求助：用sjPlot绘制lmer模型的估计值与95%置信区间

1. 加载依赖包 #

先确保安装并加载所需R包：

install.packages(c("lme4", "sjPlot", "ggplot2")) # 首次运行需执行安装
library(lme4)
library(sjPlot)
library(ggplot2)

2. 虚拟数据集示例 #

这里用模拟的学生成绩数据集（固定效应：性别、年级；随机效应：学校），与你提供的虚拟数据结构对齐：

set.seed(123) # 保证结果可复现
dummy_data <- data.frame(
  score = rnorm(200, mean = 70, sd = 10),
  gender = factor(sample(c("Male", "Female"), 200, replace = TRUE)),
  grade = factor(sample(c("7", "8", "9"), 200, replace = TRUE)),
  school = factor(sample(paste0("School_", 1:10), 200, replace = TRUE))
)

3. 拟合线性混合效应模型 #

lmer_model <- lmer(score ~ gender + grade + (1 | school), data = dummy_data)

4. 绘制符合示例样式的估计值与置信区间 #

根据常见示例图需求，以下代码可生成标准森林图，并支持自定义调整：

基础版（匹配默认示例图风格） #

# 生成估计值+95%置信区间图
plot <- plot_model(
  lmer_model,
  type = "est",                # 指定绘制估计值与置信区间
  ci.lvl = 0.95,               # 设置95%置信区间
  show.values = TRUE,          # 显示具体估计值
  value.offset = 0.3,          # 数值偏移避免与置信区间重叠
  show.intercept = FALSE,      # 隐藏截距项（如果示例图不需要）
  title = "固定效应的估计值与95%置信区间",
  axis.labels = c("性别(女)", "年级(8)", "年级(9)"), # 替换为你的变量实际标签
  vline.color = "gray60",      # 参考线颜色
  dot.size = 3,                # 估计值点的大小
  line.size = 1                # 置信区间线段粗细
)

# 调整主题样式，贴合示例图的简洁风格
plot +
  theme_classic() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.title.x = element_text(size = 12, face = "bold"),
    axis.text = element_text(size = 11),
    axis.title.y = element_blank() # 隐藏y轴标题（如果示例图没有）
  ) +
  labs(x = "估计值 (95% 置信区间)")

进阶版（分组展示变量） #

如果示例图需要按变量类别分组展示，可使用group.terms参数：

plot_model(
  lmer_model,
  type = "est",
  ci.lvl = 0.95,
  group.terms = list(c(1), c(2,3)), # 按性别、年级分组
  show.values = TRUE,
  title = "固定效应分组展示",
  axis.labels = c("女", "8年级", "9年级"),
  legend.title = "变量类型",
  legend.labels = c("性别", "年级"),
  vline.color = "gray60"
) + theme_bw()

关键参数说明 #

• type = "est"：核心参数，指定绘制估计值与置信区间的森林图
• ci.lvl：设置置信区间水平，此处为0.95
• show.values：控制是否显示估计值数值
• show.intercept：控制是否展示截距项
• axis.labels：自定义y轴的变量标签，匹配你的数据实际含义
• group.terms：用于对变量进行分组，适合多类别变量的展示

内容的提问来源于stack exchange，提问作者skpak