R: Построение предсказаний по порядковой модели поля MASS

Я установил пропорциональную кумулятивную модель логического числа по порядковым данным с использованием функции MASS polr, используя (в этом случае данные, предоставляющие предпочтение различным видам сыра):

data=read.csv("https://www.dropbox.com/s/psj74dx8ohnrdlp/cheese.csv?dl=1")
data$response=factor(data$response, ordered=T) # make response into ordered factor
head(data)
  cheese response count
1      A        1     0
2      A        2     0
3      A        3     1
4      A        4     7
5      A        5     8
6      A        6     8
library(MASS)
fit=polr(response ~ cheese, weights=count, data=data, Hess=TRUE, method="logistic")

Чтобы построить предсказания модели, я сделал график эффекта, используя

library(effects)
library(colorRamps)
plot(allEffects(fit),ylab="Response",type="probability",style="stacked",colors=colorRampPalette(c("white","red"))(9))

Мне было интересно, хотя если бы из предсказанных средств, сообщенных пакетом effects, можно было бы отобразить что-то вроде среднего предпочтения для каждого вида сыра вместе с 95% -ными интервалами conf на этом?

EDIT: изначально я также спросил, как получить тесты Tukey posthoc, но тем временем я обнаружил, что их можно получить с помощью

library(multcomp)
summary(glht(fit, mcp(cheese = "Tukey")))

или используя пакет lsmeans как

summary(lsmeans(fit, pairwise ~ cheese, adjust="tukey", mode = "linear.predictor"),type="response")

Ответ 1

Russ Lenth любезно указал мне, что среднее предпочтение и доверительные интервалы 95% можно получить просто с помощью lsmeans с option mode="mean" (?models) (то же самое относится и к clm или clmm модель с использованием пакета ordinal):

df=summary(lsmeans(fit, pairwise ~ cheese, mode = "mean"),type="response")$lsmeans
 cheese mean.class        SE df asymp.LCL asymp.UCL
 A        6.272828 0.1963144 NA  5.888058  6.657597
 B        3.494899 0.2116926 NA  3.079989  3.909809
 C        4.879440 0.2006915 NA  4.486091  5.272788
 D        7.422159 0.1654718 NA  7.097840  7.746478

который дает мне сюжет, который я искал:

library(ggplot2)
library(ggthemes)
ggplot(df, aes(cheese, mean.class)) + geom_bar(stat="identity", position="dodge", fill="steelblue", width=0.6) + 
     geom_errorbar(aes(ymin=asymp.LCL, ymax=asymp.UCL), width=0.15, position=position_dodge(width=0.9)) + 
     theme_few(base_size=18) + xlab("Type of cheese") + ylab("Mean preference") + 
     coord_cartesian(ylim = c(1, 9)) + scale_y_continuous(breaks=1:9)