使用sjPlot绘制交互项预测概率图：CI水平无法更改的问题

问题原因 #

sjPlot的plot_model(type="pred")对混合效应模型（如glmer）默认计算条件预测值（包含随机截距的变异），此时展示的是预测区间（prediction interval），由pi.lvl参数控制，而非ci.lvl。ci.lvl仅对边际预测值（不考虑随机效应，仅基于固定效应）的置信区间生效。

解决方案1：使用re.form=NA指定边际预测 #

在plot_model中添加re.form=NA参数，强制计算边际预测，此时ci.lvl参数会正确调整置信区间水平：

library(patchwork)
library(lme4)
library(sjPlot)

data(iris)

iris$dummy <- rbinom(150, 1, 0.5)
iris$group <- round(runif(150, 1, 4), 0)

iris$dummy <- as.factor(iris$dummy)
iris$group <- as.factor(iris$group)

model <- glmer(dummy ~ (1 | group) + Sepal.Width*Species, family = binomial, data = iris)

# 95%置信区间（默认）
plot1 <- plot_model(model,
                    type = "pred",
                    terms = c("Sepal.Width[all]", "Species"),
                    re.form = NA)

# 80%置信区间
plot2 <- plot_model(model,
                   type = "pred",
                   terms = c("Sepal.Width[all]", "Species"),
                   ci.lvl = 0.8,
                   re.form = NA)

plot1 + plot2

解决方案2：直接使用ggpredict函数（更灵活） #

sjPlot底层依赖ggeffects包的ggpredict函数生成预测数据，直接调用该函数可更精准控制置信区间：

library(patchwork)
library(lme4)
library(sjPlot)
library(ggeffects)

data(iris)

iris$dummy <- rbinom(150, 1, 0.5)
iris$group <- round(runif(150, 1, 4), 0)

iris$dummy <- as.factor(iris$dummy)
iris$group <- as.factor(iris$group)

model <- glmer(dummy ~ (1 | group) + Sepal.Width*Species, family = binomial, data = iris)

# 生成95%置信区间的预测数据
pred1 <- ggpredict(model, terms = c("Sepal.Width[all]", "Species"), ci.lvl = 0.95)
# 生成80%置信区间的预测数据
pred2 <- ggpredict(model, terms = c("Sepal.Width[all]", "Species"), ci.lvl = 0.8)

# 绘制图形
plot1 <- plot(pred1)
plot2 <- plot(pred2)

plot1 + plot2

补充说明 #

如果需要展示包含随机效应的预测区间（而非置信区间），可使用pi.lvl参数替代ci.lvl，同时无需设置re.form=NA：

plot_pred_interval <- plot_model(model,
                                 type = "pred",
                                 terms = c("Sepal.Width[all]", "Species"),
                                 pi.lvl = 0.8)

内容的提问来源于stack exchange，提问作者kris