lmer模型自定义变换后如何将emmeans反变换回原始尺度

你之前的代码无法触发自动反变换，核心原因是emmeans的tran参数仅识别内置的标准变换名称（如"log"、"sqrt"、"logit"等），传入自定义变换后的变量名字符串时，程序无法匹配到对应的正反变换规则，会默认按无变换处理，因此输出结果停留在变换后的尺度。

按以下步骤操作即可正确实现反变换：

• 第一步：固定变换过程中用到的常量
  你的变换用到了响应变量的中位数，这个值必须在变换阶段就固定存储，不能在反变换阶段重新计算，否则会因为样本子集变化导致偏移量不一致，结果完全失真。需要额外注意：你当前使用的变换包含abs()取绝对值操作，严格来说不可逆，会丢失原始值相对于中位数的偏移方向信息，如果需要保留方向，需要在变换阶段单独存储每个观测的偏移符号。

  # 固定变换用的中位数常量
  med_v1 <- median(dataframe$Variable1)
  # 可选：如果需要保留偏移方向，提前存储符号
  # dataframe$v1_sign <- sign(dataframe$Variable1 - med_v1)
  # 计算变换后的响应变量
  dataframe$TransformVariable1 <- sqrt(abs(dataframe$Variable1 - med_v1))
  # 拟合模型
  fit <- lmer(TransformVariable1 ~ x + y + (1|z), data = dataframe)
  

• 第二步：给参考网格传入自定义反变换规则
  不要给tran传字符串，直接传入包含反变换函数的列表即可，emmeans会自动识别自定义变换规则。

  # 定义反变换函数：输入变换尺度的预测值，返回原始尺度值
  custom_inv <- function(t) {
    # 基础反变换逻辑：开根号的逆是平方，加回固定的中位数偏移
    raw_val <- t^2 + med_v1
    # 如果需要加回方向，可在此处乘对应分组的平均符号，注意符号信息因abs操作已损失，需提前存储
    return(raw_val)
  }
  # 构建参考网格，传入自定义变换
  rg <- update(
    ref_grid(fit),
    tran = list(
      linkinv = custom_inv,
      mu.eta = function(t) 2*t, # 可选：反变换的导数，传入后可通过delta方法计算更准确的标准误和置信区间
      name = "sqrt-median custom transform"
    )
  )
  

• 第三步：正常计算边际均值即可自动反变换
  此时使用type = "response"参数，输出结果就会自动映射回原始响应变量的尺度：

  fitemm <- as.data.frame(emmeans(rg, ~ x + y, type = "response"))
  

补充说明：如果没有传入mu.eta参数，emmeans会默认用数值近似方法计算原始尺度的区间估计，结果可用但精度略低。

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