在R中绘制含分类变量的GLMM：获取拟合值与标准误遇阻

针对你用glmer构建的Poisson混合模型，要绘制仅包含饵料类型（Bait.Type）与物种总数（Total.species..MaxN.）的关联图，核心是获取排除生境（Habitat）随机效应的边际拟合值，以下是具体解决方法：

1. 正确获取拟合值与标准误 #

默认predict(glmer(...))会包含随机效应（生境）的影响，导致无法得到仅反映饵料类型的平均拟合结果。需要指定re.form=NA忽略随机效应，结合对数尺度计算标准误：

# 在对数尺度获取拟合值和标准误
log_fit <- predict(glm1, type="link", re.form=NA)
log_se <- predict(glm1, type="link", re.form=NA, se.fit=TRUE)$se.fit

# 转换回响应尺度（Poisson模型的原始计数尺度）
fit <- exp(log_fit)
se.fit <- exp(log_fit) * log_se  # 链式法则计算响应尺度标准误

# 构建去重后的预测数据框（保留每个饵料类型的唯一拟合值）
pred_df_unique <- unique(data.frame(
  Bait.Type = df$Bait.Type,
  fit = fit,
  se.fit = se.fit
))

若嫌手动转换麻烦，推荐用emmeans包直接获取边际均值，操作更简洁：

library(emmeans)

# 获取每个Bait.Type的边际均值（响应尺度）及置信区间
emm <- emmeans(glm1, ~ Bait.Type, type="response")
pred_df <- as.data.frame(emm)

2. 绘制饵料类型与物种总数的关联图 #

用ggplot2绘制原始数据点+拟合值+置信区间：

方法一：使用手动计算的拟合值 #

library(ggplot2)

ggplot() +
  # 原始数据点添加抖动避免重叠
  geom_jitter(data=df, aes(x=Bait.Type, y=Total.species..MaxN.), 
              alpha=0.6, width=0.2) +
  # 拟合值点
  geom_point(data=pred_df_unique, aes(x=Bait.Type, y=fit), 
             color="red", size=3) +
  # 95%置信区间
  geom_errorbar(data=pred_df_unique, aes(x=Bait.Type, ymin=fit-1.96*se.fit, ymax=fit+1.96*se.fit),
                color="red", width=0.2) +
  labs(x="饵料类型", y="物种总数（MaxN）", title="饵料类型对物种总数的影响") +
  theme_bw()

方法二：使用emmeans输出的结果 #

library(ggplot2)

ggplot() +
  geom_jitter(data=df, aes(x=Bait.Type, y=Total.species..MaxN.), 
              alpha=0.6, width=0.2) +
  geom_point(data=pred_df, aes(x=Bait.Type, y=emmean), 
             color="red", size=3) +
  geom_errorbar(data=pred_df, aes(x=Bait.Type, ymin=lower.CL, ymax=upper.CL),
                color="red", width=0.2) +
  labs(x="饵料类型", y="物种总数（MaxN）", title="饵料类型对物种总数的影响") +
  theme_bw()

关键说明 #

• re.form=NA：强制忽略随机效应，得到的是基于固定效应的平均拟合结果，符合“移除生境相关部分”的需求。
• Poisson模型默认在对数尺度输出拟合值，必须转换回响应尺度（计数）才能和原始数据匹配。
• emmeans包自动处理链接函数转换和置信区间计算，大幅简化操作。

内容的提问来源于stack exchange，提问作者Katie OToole