如何提取二项式GLMM(lme4包glmer模型)随机项的参数估计值及统计量

你要提取的是(1 | group)语法定义的每个组水平的随机截距估计值及对应统计量，lme4默认的summary()仅输出随机效应的方差/标准差组分，不会输出单个组水平的参数，可通过以下两种方案实现：

方案1：配合arm包手动计算 #

• 先在拟合模型时无需额外调整，提取时需要先加载arm包，开启随机效应的条件方差计算即可获取SE
• 示例代码贴合你的模型场景：

library(lme4)
library(arm)

# 你的模型拟合代码（已拟合可跳过）
mod <- glmer(pid ~ age + age2 + (1 | cohort) + (1| period), 
             family = binomial, data = 你的数据集名)

# 提取随机效应点估计，condVar = TRUE开启条件方差计算
re_est <- ranef(mod, condVar = TRUE)
# 提取随机效应对应标准误
re_se <- se.ranef(mod)

# 拼接cohort维度的估计值+SE，计算t值、p值（正态近似）
cohort_res <- cbind(re_est$cohort, re_se$cohort)
colnames(cohort_res) <- c("estimate", "std.error")
cohort_res$t_value <- cohort_res$estimate / cohort_res$std.error
cohort_res$p_value <- 2 * pnorm(-abs(cohort_res$t_value))
print(cohort_res)

# period维度结果同理提取
period_res <- cbind(re_est$period, re_se$period)
colnames(period_res) <- c("estimate", "std.error")
period_res$t_value <- period_res$estimate / period_res$std.error
period_res$p_value <- 2 * pnorm(-abs(period_res$t_value))
print(period_res)

方案2：配合broom.mixed包一键输出结构化结果 #

• 该方案可以直接输出所有随机效应的点估计、标准误、置信区间，无需手动拼接，适合需要批量处理的场景
• 示例代码：

library(lme4)
library(broom.mixed)

# 模型拟合步骤同上
mod <- glmer(pid ~ age + age2 + (1 | cohort) + (1| period), 
             family = binomial, data = 你的数据集名)

# 一键提取所有随机组水平的参数
re_all <- tidy(mod, effects = "ran_vals", conf.int = TRUE)

# 按随机项类别筛选结果
cohort_res <- re_all[re_all$group == "cohort", ]
period_res <- re_all[re_all$group == "period", ]

注意事项 #

• 上述p值采用正态近似计算，GLMM的随机效应参数p值本身存在自由度争议，如果需要更严谨的结果可采用参数bootstrap法实现
• 如果你需要提取的是随机效应的方差组分（而非单个组水平的截距）的SE、p值，可使用as.data.frame(VarCorr(mod))获取方差组分的标准误，配合lmerTest包的rand()函数获取随机效应显著性检验的p值

内容的提问来源于stack exchange，提问作者andreafg