使用随机截距模型拟合值绘图为何斜率不同？如何修正？

问题原因 #

你用geom_smooth(method = lm)对每个id的拟合值重新做线性回归，这和原模型的固定斜率无关——拟合值包含了Time变量的影响，每个id内Stress_RQ1和Time可能存在关联，导致拟合出的斜率偏离模型的固定系数。

修正方案：基于模型参数生成预测线 #

直接用随机截距模型的固定斜率和每个id的随机截距，生成控制Time后的预测值，再绘制线条，确保所有id的回归线斜率一致。

步骤1：提取模型参数 #

# 提取固定效应系数
fixed_coef <- fixef(model1a)
stress_fixed_slope <- fixed_coef["Stress_RQ1"]
fixed_intercept <- fixed_coef["(Intercept)"]
time_fixed_slope <- fixed_coef["Time"]

# 提取每个id的随机截距，并计算总截距（固定截距+随机截距）
id_random_intercepts <- ranef(model1a)$id[, "(Intercept)"]
id_total_intercepts <- fixed_intercept + id_random_intercepts

步骤2：生成控制Time的预测数据 #

选择Time的均值（或你需要的固定值），生成每个id在Stress_RQ1全范围内的预测值：

# 创建预测网格：覆盖Stress_RQ1的全部范围，包含所有id，固定Time为均值
pred_data <- expand.grid(
  Stress_RQ1 = seq(min(data_mini_clean$Stress_RQ1), max(data_mini_clean$Stress_RQ1), length.out = 100),
  id = unique(data_mini_clean$id),
  Time = mean(data_mini_clean$Time)
)

# 计算每个id的预测值
pred_data$MET_pred <- id_total_intercepts[as.character(pred_data$id)] + 
  stress_fixed_slope * pred_data$Stress_RQ1 + 
  time_fixed_slope * pred_data$Time

步骤3：绘制Spaghetti Plot #

用geom_line绘制每个id的回归线，用geom_abline绘制总体回归线：

ggplot() +
  # 绘制每个id的回归线（斜率统一为模型固定斜率）
  geom_line(data = pred_data,
            aes(x = Stress_RQ1, y = MET_pred, group = factor(id), color = factor(id)),
            alpha = 0.3) +
  # 绘制总体固定效应回归线
  geom_abline(
    intercept = fixed_intercept + time_fixed_slope * mean(data_mini_clean$Time),
    slope = stress_fixed_slope,
    color = "blue",
    linewidth = 1
  ) +
  scale_color_viridis_d(option = "F", begin = 0, end = 1) +
  labs(x = "Stress_RQ1", y = "MET_mean (log, predicted at mean Time)") +
  theme_minimal()

补充说明 #

如果一定要基于原始拟合值绘图，你需要排除Time的干扰，但这种方法不如直接用模型参数可靠。更简单的方式是，每个id的回归线应该是模型固定斜率加上该id的拟合截距（当Stress_RQ1取特定值时的拟合值），但这需要确保Time在每个id内是固定的，否则仍会有偏差。

内容的提问来源于stack exchange，提问作者Laura