如何获取lmer混合模型中随机效应各水平的95%置信区间

针对你的lmer模型，有几种实用方法可以提取animal和year随机效应各水平的置信区间，以下是具体实现：

方法一：参数自助法（bootMer） #

这种方法基于模型参数的自助抽样，结果更稳健，适合样本量较小或分布偏离正态的情况，但计算耗时较长。

library(lme4)
library(dplyr)
library(tidyr)

# 定义提取随机效应的函数
extract_ranef <- function(model) {
  ranef_vals <- ranef(model)
  # 整理animal和year的随机效应数据
  animal_ranef <- data.frame(
    group = "animal",
    level = rownames(ranef_vals$animal),
    value = ranef_vals$animal[, 1],
    stringsAsFactors = FALSE
  )
  year_ranef <- data.frame(
    group = "year",
    level = rownames(ranef_vals$year),
    value = ranef_vals$year[, 1],
    stringsAsFactors = FALSE
  )
  return(rbind(animal_ranef, year_ranef))
}

# 运行自助抽样，nsim为抽样次数，可根据需求调整（建议至少1000次）
boot_res <- bootMer(model, FUN = extract_ranef, nsim = 1000, parallel = "multicore", ncpus = 4)

# 计算95%置信区间
ranef_ci_boot <- boot_res$t %>%
  as.data.frame() %>%
  mutate(iteration = 1:n()) %>%
  pivot_longer(-iteration, names_to = "id", values_to = "value") %>%
  separate(id, into = c("group", "level"), sep = "\\.", extra = "merge") %>%
  group_by(group, level) %>%
  summarise(
    estimate = mean(value),
    lower_ci = quantile(value, 0.025),
    upper_ci = quantile(value, 0.975),
    .groups = "drop"
  )

方法二：基于渐近正态近似（sjstats包） #

这种方法利用随机效应的渐近正态分布快速计算置信区间，适合大样本场景，代码简洁高效。

library(sjstats)

# 提取随机效应及95%置信区间
ranef_ci_sj <- get_ranef(model, ci.lvl = 0.95)

# 结果数据框包含：group（随机效应分组）、level（水平名称）、estimate（估计值）、conf.low（下限）、conf.high（上限）
head(ranef_ci_sj)

可视化随机效应及置信区间 #

拿到置信区间后，可以用ggplot2绘制效应图：

library(ggplot2)

# 以sjstats的结果为例绘图
ggplot(ranef_ci_sj, aes(x = level, y = estimate, ymin = conf.low, ymax = conf.high)) +
  geom_pointrange(color = "#2c3e50") +
  facet_wrap(~group, scales = "free_x") +
  labs(y = "随机效应估计值", x = "") +
  theme_bw() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

内容的提问来源于stack exchange，提问作者madip