lmer线性混合模型输出缺失Camp分组，如何显示全部4个营地？

这是R中线性混合模型的默认行为：当模型包含分类变量（比如你的Camp）时，R会自动选择该变量的某一个水平作为参考组，不在summary()输出中显示它的系数——你看到缺失的Dos Naciones就是被默认选为参考组的水平，其他三个营地的系数都是和它的差值。

下面提供几种常用的方式来显示所有4个营地的效应：

方法1：修改分类变量的对比方式 #

通过设置总和对比（sum-to-zero contrasts），让所有组的系数都显示出来（此时每个组的系数代表该组与总体均值的差异）：

# 为Camp变量设置总和对比
contrasts(DataAbunAllHerps$Camp) <- contr.sum(nlevels(DataAbunAllHerps$Camp))
# 重新拟合模型（复制你原来的公式即可）
AllHerps <- lmer(Abun_All_Herps ~ Total_Saplings * Total_Understorey_Vegetation * Tree_Species_Richness * Mean_DBH * Total_Basal_Area * Mean_Canopy_Openess * Mean_Leaf_Litter_Depth + Aguada_Distance_Category * Camp + (1|Year), data=DataAbunAllHerps)
# 查看结果
summary(AllHerps)

方法2：指定自定义参考组 #

如果你想保留默认的对比方式，但让其他营地作为参考组，从而显示Dos Naciones的系数，可以用relevel()函数重新指定参考组：

# 将参考组改为CampKM20（你可以换成任意其他营地）
DataAbunAllHerps$Camp <- relevel(DataAbunAllHerps$Camp, ref = "CampKM20")
# 重新拟合模型并查看结果
AllHerps <- lmer(Abun_All_Herps ~ Total_Saplings * Total_Understorey_Vegetation * Tree_Species_Richness * Mean_DBH * Total_Basal_Area * Mean_Canopy_Openess * Mean_Leaf_Litter_Depth + Aguada_Distance_Category * Camp + (1|Year), data=DataAbunAllHerps)
summary(AllHerps)

方法3：用边际均值查看各组效应 #

如果想更直观地看到每个营地对应的爬行动物丰度预测值，可以使用emmeans包：

# 若未安装emmeans，先执行安装
# install.packages("emmeans")
library(emmeans)
# 获取Camp各组的边际均值及置信区间
emmeans(AllHerps, ~ Camp)

内容的提问来源于stack exchange，提问作者Hefin