R语言glmer随机截距模型按分组绘制固定斜率直线求助

问题根因 #

你的代码存在两个核心问题导致显示异常：

1. 手动构造的x/y列和模型自变量logASLr的实际取值范围无关联，设置的y轴范围(-3,1)对应模型的logit尺度预测值，和你随便生成的y列不匹配
2. 直接用geom_abline加标签容易出现重叠，可读性差

1. 正确绘制带标签的分组回归线 #

先基于模型自变量的合理范围构造预测数据集，再绘图，用ggrepel实现无重叠的线端标签：

第一步：构造预测数据集

# 清理之前错误添加的x、y列
Land_intercept_clean <- Land_intercept[, c("Land", "intercept", "slope")]

# 生成自变量logASLr的合理取值范围，可替换为你真实数据的min、max值
pred_df <- expand.grid(
  logASLr = seq(1, 2, length.out = 100),
  Land = unique(Land_intercept_clean$Land)
)

# 关联每个州的系数，计算logit尺度的预测值
pred_df <- merge(pred_df, Land_intercept_clean, by = "Land")
pred_df$pred_logit <- pred_df$intercept + pred_df$slope * pred_df$logASLr

第二步：绘图代码

library(ggplot2)
library(ggrepel)

ggplot(pred_df, aes(x = logASLr, y = pred_logit, color = Land)) +
  geom_line(linewidth = 1, alpha = 0.8) +
  # 在直线右端添加州名标签，避免重叠
  geom_text_repel(
    data = pred_df[pred_df$logASLr == max(pred_df$logASLr), ],
    aes(label = Land),
    nudge_x = 0.05,
    direction = "y",
    show.legend = FALSE
  ) +
  # 若需要叠加原始数据点，取消下方注释并替换为你的原始数据集
  # geom_point(data = 原始数据集, aes(x = logASLr, y = 因变量), inherit.aes = FALSE, alpha = 0.3) +
  theme_bw() +
  scale_y_continuous(limits = c(-3, 1)) +
  labs(x = "logASLr", y = "模型预测值（logit尺度）") +
  theme(legend.position = "none") # 已添加线端标签可关闭图例

2. 随机截距模型的常用可视化方案 #

方案1：分面对比单州水平与整体固定效应

适合观察每个州的回归趋势和整体平均水平的差异：

# 提取整体固定效应的截距和斜率
fixed_intercept <- fixef(logit_ri)[1]
fixed_slope <- fixef(logit_ri)['logASLr:Artl']

ggplot(pred_df, aes(x = logASLr, y = pred_logit)) +
  geom_line(color = "steelblue", linewidth = 1) +
  # 红色虚线为整体固定效应参考线
  geom_abline(intercept = fixed_intercept, slope = fixed_slope, color = "red", linetype = "dashed") +
  facet_wrap(~Land, ncol = 4) +
  theme_bw() +
  labs(x = "logASLr", y = "模型预测值（logit尺度）", subtitle = "红色虚线为全样本平均水平")

方案2：随机截距分布点图

不需要展示回归线时，可直观对比16个州的随机截距差异和显著性：

library(lme4)
# 提取随机截距的条件标准差，计算95%置信区间
ranef_obj <- ranef(logit_ri, condVar = TRUE)
Land_ci <- as.data.frame(ranef_obj$Land)
Land_ci$Land <- rownames(ranef_obj$Land)
colnames(Land_ci) <- c("intercept", "cond_sd", "Land")
Land_ci$lower_ci <- Land_ci$intercept - 1.96 * Land_ci$cond_sd
Land_ci$upper_ci <- Land_ci$intercept + 1.96 * Land_ci$cond_sd
# 按截距大小对州排序
Land_ci$Land <- reorder(Land_ci$Land, Land_ci$intercept)

ggplot(Land_ci, aes(x = intercept, y = Land)) +
  geom_point(size = 2) +
  geom_errorbarh(aes(xmin = lower_ci, xmax = upper_ci), height = 0.2) +
  geom_vline(xintercept = 0, color = "red", linetype = "dashed") + # 随机截距均值参考线
  theme_bw() +
  labs(x = "随机截距值", y = "联邦州")

内容的提问来源于stack exchange，提问作者sylvia