如何避免R中混合模型回归线超出数据范围且保持线性？

问题背景 #

使用lme4::lmer()拟合含交互项的线性混合模型后，用marginaleffects::plot_predictions()结合ggplot2::facet_wrap()分面展示不同分类组的回归关系时，遇到两个问题：

1. 默认参数下，回归线会基于全局x范围外推，超出当前面板数据的实际范围
2. 传入newdata = df限制范围时，回归线变为不连续折线（仅混合模型出现，简单线性模型无此问题）

重现代码 #

# 加载依赖包
library(lme4)
library(marginaleffects)
library(ggplot2)
library(tibble)

# 生成模拟数据
n <- 50
df <- tibble::tibble(
  x = rnorm(n),
  z = sample(-1:1, n, replace = TRUE),
  h = sample(1:3, n, replace=TRUE), # 随机效应分组
  y = z*(0.5*x) + rnorm(n,0,0.2)
)
df$z <- as.factor(df$z)
df$h <- as.factor(df$h)

# 拟合混合模型
model <- lmer(y ~ x * z + (1|h), data = df)

# 问题1：回归线跨组外推
plot_predictions(model, condition = c("x","z"), vcov = T, points= 0.3) + facet_wrap(~ z)

# 问题2：回归线变为不连续折线
plot_predictions(model, newdata = df, by = c("x","z"), vcov = T, points= 0.3) + facet_wrap(~ z)

核心原因 #

• 问题1：plot_predictions()默认使用全局x的取值范围生成预测网格，导致每个分面的回归线覆盖所有组的x范围，超出当前面板数据边界
• 问题2：传入newdata = df时，混合模型会保留原数据的随机效应分组（h），对每个观测生成预测；原数据的x是离散值，且每个x对应多个h的预测结果，连线后形成折线

解决方案 #

手动为每个z分组生成仅覆盖该组x实际范围的连续预测网格，同时整合随机效应（获取边际预测），确保回归线线性且不跨组外推。

解决代码 #

# 按z分组生成对应x范围的连续预测网格
newdat <- marginaleffects::datagrid(
  model = model,
  z = unique(df$z),  # 遍历所有z类别
  x = seq_range(df$x, by = 0.1, group = df$z),  # 按z分组生成x的连续序列
  h = NULL  # 整合随机效应，生成边际预测；若需保留随机效应可设为典型值（如mode(df$h)）
)

# 绘制可视化：回归线限制在面板数据范围内且保持线性
plot_predictions(
  model,
  newdata = newdat,
  condition = c("x", "z"),
  vcov = TRUE,
  points = 0.3
) + 
  facet_wrap(~ z) +
  labs(x = "x", y = "预测y值")

代码说明 #

• datagrid()函数：根据模型结构生成规范的预测数据集，group = df$z确保每个z组的x序列仅覆盖自身数据的min-max范围
• h = NULL：要求模型整合随机效应（即边际预测），避免每个x点因不同h分组产生多个预测值，保证回归线连续线性
• 若需要保留随机效应的条件预测，可将h设为特定分组值（如h = 1）或典型值（如h = mode(df$h)）

内容的提问来源于stack exchange，提问作者JaGo