如何用lmer和sjPlot绘制含随机斜率与截距的混合效应模型图？

方法1：用ggpredict结合ggplot手动绘制 #

sjPlot当前版本的plot_model简化调用可能未正确触发随机斜率的绘制，可以直接用底层的ggpredict函数提取预测值，再用ggplot组合图形：

library(lmerTest)  # 也可替换为lme4，不影响核心功能
library(sjPlot)
library(ggplot2)
library(readr)

df <- read_csv("anonymized_test.csv")
m1 <- lmer(DV ~ IV + (1 + IV| iso), data = df) 

# 提取包含随机截距+斜率的分组预测值
re_pred <- ggpredict(m1, terms = c("IV", "iso"), type = "re")
# 提取整体固定效应的预测值
fe_pred <- ggpredict(m1, terms = "IV", type = "fe")

# 组合绘图
ggplot() +
  # 绘制每个分组的随机斜率线
  geom_line(data = re_pred, aes(x = x, y = predicted, color = group)) +
  # 绘制加粗的固定效应参考线
  geom_line(data = fe_pred, aes(x = x, y = predicted), color = "black", size = 1.2) +
  labs(x = "IV", y = "Predicted DV", color = "iso") +
  theme_minimal()

方法2：手动提取模型参数计算预测值 #

如果不想依赖sjPlot的封装函数，可以直接从模型中提取参数计算预测值：

library(lme4)
library(ggplot2)
library(readr)

df <- read_csv("anonymized_test.csv")
m1 <- lmer(DV ~ IV + (1 + IV| iso), data = df) 

# 提取固定效应参数
fixef_vals <- fixef(m1)
# 提取各分组的随机效应（截距+斜率）
ranef_vals <- ranef(m1)$iso

# 生成覆盖IV数据范围的序列用于预测
iv_seq <- seq(min(df$IV), max(df$IV), length.out = 100)

# 构建每个分组的预测数据
pred_list <- lapply(rownames(ranef_vals), function(grp) {
  group_intercept <- fixef_vals[1] + ranef_vals[grp, 1]
  group_slope <- fixef_vals[2] + ranef_vals[grp, 2]
  data.frame(
    iso = grp,
    IV = iv_seq,
    predicted = group_intercept + group_slope * iv_seq
  )
})
re_pred <- do.call(rbind, pred_list)

# 构建固定效应预测数据
fe_pred <- data.frame(
  IV = iv_seq,
  predicted = fixef_vals[1] + fixef_vals[2] * iv_seq
)

# 绘图
ggplot() +
  geom_line(data = re_pred, aes(x = IV, y = predicted, color = iso)) +
  geom_line(data = fe_pred, aes(x = IV, y = predicted), color = "black", size = 1.2) +
  labs(x = "IV", y = "Predicted DV", color = "iso") +
  theme_minimal()

注意事项 #

• 你的模型公式(1 + IV| iso)已经正确指定了随iso变化的随机截距和斜率，且两者存在相关性，模型结构本身无问题。
• sjPlot旧版的废弃功能无法直接恢复，上述两种方法可以实现相同的可视化需求，且灵活性更高。

内容的提问来源于stack exchange，提问作者J.Karl