如何在R中使用lmer()获取个体预测值的置信上下限？

lme4包的predict.merMod函数本身不支持interval = "confidence"参数，要实现这个需求，可以用以下几种实用方法：

方法1：用merTools包快速计算 #

merTools是专门为混合效应模型设计的工具包，能直接生成置信区间：

# 安装并加载包
install.packages("merTools")
library(merTools)

# 计算95%置信区间，type="confidence"对应置信区间（区别于预测区间）
conf_int_mix <- predictInterval(mix_model, newdata = dt, level = 0.95, type = "confidence")

# 把结果合并到原数据框
dt_with_conf <- cbind(dt, conf_int_mix)

返回结果包含fit（预测值）、lwr（置信下限）、upr（置信上限）三列，直接和原数据合并即可使用。

方法2：手动计算（无需额外包） #

如果不想安装新包，可以通过模型参数的方差协方差矩阵手动推导：

# 1. 提取包含随机效应的个体预测值
pred_lin <- predict(mix_model, re.form = NULL)

# 2. 提取模型的设计矩阵
X <- model.matrix(mix_model)

# 3. 提取模型参数的方差协方差矩阵
vcov_mat <- vcov(mix_model)

# 4. 计算每个预测值的标准误
se_pred <- sqrt(diag(X %*% vcov_mat %*% t(X)))

# 5. 基于t分布计算95%置信上下限
df_resid <- df.residual(mix_model)
t_val <- qt(0.975, df = df_resid)
lwr <- pred_lin - t_val * se_pred
upr <- pred_lin + t_val * se_pred

# 合并结果到原数据
dt_with_conf <- cbind(dt, fit = pred_lin, lwr = lwr, upr = upr)

这种方式更灵活，但需要对混合效应模型的线性预测和方差结构有基础理解。

方法3：用emmeans包做分组置信区间 #

如果需要按Category和Time分组计算置信区间，emmeans包更适合：

# 安装并加载包
install.packages("emmeans")
library(emmeans)

# 按Category分组，计算不同Time下的预测置信区间
emm <- emmeans(mix_model, ~ Time | Category)
conf_int_emm <- confint(emm, level = 0.95)

输出结果会按分组展示每个组合的预测值及置信上下限，适合做分组统计分析。

内容的提问来源于stack exchange，提问作者Joe the Second