如何用ggplot绘制带95% CI误差棒的二项式广义混合效应模型图？

需求概述 #

基于已拟合的二项式广义混合效应模型（用于预测出勤情况），使用ggplot绘制区分男女群体的拟合曲线，并为两组分别添加95%置信区间，体现Day的影响及Sex:Day交互效应。

模型与数据基础 #

已拟合的模型代码如下：

library(lme4)

data <- read.csv("test2.csv")

m1 <- glmer(
  Attendance ~ Day + Sex + Sex:Day + (1|AgeClass) + (1|Year) + (1|Plastic), 
  data = data, 
  family = binomial(link = "logit")
)

• 核心自变量：Day（取值-30至-2，以Day 0为参照）、Sex（M/F）、Sex:Day交互项
• 随机效应：AgeClass（幼、中、老年）、Year（2014-2018年）、Plastic（个体ID，用于校正重复测量样本）

可视化方向建议 #

1. 构建预测数据集 #

• 使用expand.grid()生成包含所有关键自变量组合的数据集：固定Day为-30到-2的连续序列，Sex包含M和F两类；若仅需展示群体水平趋势（忽略随机效应变异），可将随机效应变量设为典型值（如均值或某一类），后续预测时控制随机效应。

2. 计算预测值与置信区间 #

推荐两种常用方式：

• 方式一：使用emmeans包（更便捷的边际均值计算）
  • 用emmeans(m1, ~ Day * Sex, type = "response")计算Day与Sex组合下的边际预测概率（自动转换为响应尺度，即概率）
  • 再用confint()获取95%置信区间，直接得到每个组合的预测值、上下限
• 方式二：使用predict函数
  • 调用predict(m1, newdata = 你的预测数据集, type = "response", se.fit = TRUE, re.form = ~0)，其中re.form = ~0表示忽略随机效应，只计算固定效应的预测；若要包含随机效应，可调整该参数
  • 利用标准误计算95%置信区间：上限 = 预测值 + 1.96*标准误，下限 = 预测值 - 1.96*标准误（注意概率尺度下需确保区间在0-1范围内）

3. ggplot绘图实现 #

• 初始化绘图：以预测数据集的Day为x轴，预测概率为y轴，按Sex设置分组颜色或线型
• 绘制拟合曲线：用geom_line()，对应示例图中的实线
• 添加置信区间：
  • 若要填充区间：用geom_ribbon()，指定ymin和ymax为置信区间上下限，设置透明度（如alpha=0.2）
  • 若要像示例图那样用上下虚线：分别对置信区间上限和下限调用geom_line()，设置linetype = "dashed"
• 可选：叠加原始数据点：用geom_jitter()（避免二分类数据点重叠），设置透明度以展示数据分布

关键工具函数参考 #

• 数据集生成：expand.grid()
• 预测计算：emmeans::emmeans()、emmeans::confint()、lme4::predict.merMod()
• ggplot图层：ggplot()、geom_line()、geom_ribbon()、geom_jitter()

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