如何用sjPlot/ggeffects取预测后在ggplot2绘制混合模型交互效应

先加载所需依赖包并拟合模型：

library(glmmTMB)
library(ggeffects)
library(sjPlot)
library(ggplot2)

model <- glmmTMB(total_count ~ mean_temp*lwd_duration + (1|year), family = nbinom1, data=df)

方法1：用ggeffects生成预测数据集后绘图 #

ggeffects的ggpredict()能直接输出包含预测值、置信区间的结构化数据，完全适配ggplot2：

# 获取交互效应预测数据，按lwd_duration的四分位数分组
pred_data <- ggpredict(model, terms = c("mean_temp", "lwd_duration [quartile]"))

# 用ggplot2可视化
ggplot(pred_data, aes(x = x, y = predicted, color = group)) +
  geom_line(linewidth = 1) +
  # 添加置信区间带
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high, fill = group), alpha = 0.2, color = NA) +
  labs(
    x = "平均温度 (mean_temp)",
    y = "预测总数量 (total_count)",
    color = "低温持续时长分位数",
    fill = "低温持续时长分位数"
  ) +
  theme_minimal()

如果需要自定义lwd_duration的分组值，把[quartile]换成具体数值即可，比如[50, 100, 150]。

方法2：用sjPlot提取预测数据后绘图 #

sjPlot的plot_model()支持返回预测数据集，你可以基于这个数据用ggplot2自由调整样式：

# 提取交互效应的预测数据
sj_pred_data <- plot_model(
  model,
  type = "int",
  terms = c("mean_temp", "lwd_duration [quartile]"),
  return_data = TRUE
)

# 用ggplot2绘图
ggplot(sj_pred_data, aes(x = x, y = predicted, color = group)) +
  geom_line(linewidth = 1) +
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high, fill = group), alpha = 0.2, color = NA) +
  labs(
    x = "平均温度 (mean_temp)",
    y = "预测总数量 (total_count)",
    color = "低温持续时长分位数",
    fill = "低温持续时长分位数"
  ) +
  theme_bw()

内容的提问来源于stack exchange，提问作者Ahsk