effects函数使用问题：如何从模型获取指定预测变量的拟合值？

问题原因 #

effect()函数对连续型预测变量默认会生成5个从最小值到最大值的等距点，而非原始数据中的唯一取值，所以你得到的是0、2、5、8、10这5个点，而非设定的0、1、6、10。

解决方案 #

方法1：在effect()中指定目标取值 #

通过xlevels参数明确指定time的目标取值，该方法同时适用于lm和lme4::lmer模型：

# 拟合模型（lm示例，lmer用法一致）
model <- lm(y ~ time, data = df)
# 指定time的目标取值生成效应
fx <- effect("time", model, xlevels = list(time = c(0, 1, 6, 10)))
# 提取目标时间点和对应拟合值
target_time <- fx$x
fitted_values <- fx$fit

方法2：直接使用predict()函数（更灵活） #

构造包含目标时间点的新数据框，用predict()直接生成拟合值，这是通用方法，完全适配混合模型：

# 构造目标时间点的数据框
new_df <- data.frame(time = c(0, 1, 6, 10))

# 对lm模型预测
predict(model, newdata = new_df)

# 对lmer模型预测（仅固定效应，与effect结果一致）
# 假设你有混合模型：model_lmer <- lmer(y ~ time + (1|group), data = df)
predict(model_lmer, newdata = new_df, re.form = NA)
# 如果需要包含随机效应，去掉re.form参数即可

内容的提问来源于stack exchange，提问作者SylvainC