如何用ggplot可视化lmer模型输出，实现单条件对应一条拟合线？

问题出在你直接使用predict(model)得到的是包含个体随机效应（Participant）的预测值，所以每个参与者会生成一条独立的拟合线。要实现每个Condition对应一条群体水平的拟合线，需要生成排除随机效应的边际预测值，具体步骤如下：

方法一：基础predict函数实现 #

1. 生成覆盖所有固定效应组合的预测数据集
   模型包含Roundnr、Condition、block三个固定效应，需要生成这三个变量所有可能组合的数据集，确保每个block下的每个Condition都有对应的Roundnr取值：

   # 生成新的预测数据集
   new_data <- expand.grid(
     Roundnr = unique(data_aggregate$Roundnr),
     Condition = unique(data_aggregate$Condition),
     block = unique(data_aggregate$block)
   )
   # 匹配模型中Condition的因子水平（保持relevel的参考组设置）
   new_data$Condition <- relevel(as.factor(new_data$Condition), ref = 'C3')
   

2. 生成边际预测值
   使用re.form = ~0参数，让predict函数忽略随机效应，输出群体水平的拟合值：

   new_data$predicted_Fluency <- predict(model, newdata = new_data, re.form = ~0)
   

3. 修改ggplot代码绘图
   单独用预测数据集绘制拟合线，同时指定分组为interaction(Condition, block)，保证每个block内的每个Condition对应一条线：

   ggplot(data_aggregate, aes(Roundnr, Fluency, col = Condition)) +
     facet_grid(~block, scales = "free", space = "free_x") +
     geom_point(alpha = 0.3) +  # 先画原始数据点，避免被线条遮挡
     geom_line(
       data = new_data,
       aes(y = predicted_Fluency, lty = Condition),
       linewidth = 0.8,
       group = interaction(Condition, block)
     ) +
     geom_hline(yintercept = 0, linetype = "dashed")
   

方法二：用emmeans包简化操作 #

如果模型涉及多因素交互，emmeans包可以更便捷地计算边际预测值，无需手动生成数据集：

library(emmeans)

# 按Roundnr、Condition、block计算群体水平的边际均值
emm <- emmeans(model, ~ Roundnr * Condition * block)
# 转换为数据框格式
emm_df <- as.data.frame(emm)

# 绘图
ggplot(data_aggregate, aes(Roundnr, Fluency, col = Condition)) +
  facet_grid(~block, scales = "free", space = "free_x") +
  geom_point(alpha = 0.3) +
  geom_line(
    data = emm_df,
    aes(y = emmean, lty = Condition),
    linewidth = 0.8,
    group = interaction(Condition, block)
  ) +
  geom_hline(yintercept = 0, linetype = "dashed")

关键说明 #

• re.form = ~0：强制predict函数不包含随机效应，得到的是所有参与者的平均拟合水平，而非个体拟合线。
• group = interaction(Condition, block)：因为拟合线是分block和Condition的，这个设置能避免不同block或Condition的线条被错误连接。

内容的提问来源于stack exchange，提问作者Emma van Zoelen