lme4固定效应绘图：筛选效应项及添加lmerTest显著性p值问询

当然可以搞定这两个需求！我来一步步给你说怎么实现：

sjp.lmer() 里有个 terms 参数，专门用来指定你想展示的固定效应项，完美解决只画部分效应的问题。你只需要在原有代码里加上这个参数，把要展示的变量名（和模型里的变量名完全一致）放在向量里就行。比如你的模型里有 x1、x2、x3 三个固定效应，只想画 x1 和 x3，代码就改成：

sjp.lmer(model.name, type = "ri.pc", facet.grid = FALSE, terms = c("x1", "x3"))

如果是交互项（比如 x1:x2），也要准确写出交互项的名称哦。

这里更推荐用sjPlot包的新版函数 plot_model()，它比 sjp.lmer() 更灵活，还能直接从 lmerTest 拟合的模型里提取p值并展示，省去手动提取的麻烦。

举个具体的例子，假设你想展示指定的固定效应，同时标注p值，代码可以这么写：

library(sjPlot)
library(lmerTest)

# 绘制指定固定效应+显示p值
plot_model(model.name, type = "est", terms = c("x1", "x3"), show.p = TRUE, facet.grid = FALSE)

这里 type = "est" 是专门展示固定效应估计值的类型（如果你之前用 type = "ri.pc" 是看随机效应的预测对比，那换成 "est" 更贴合你画固定效应的需求），show.p = TRUE 会自动把p值标注在每个效应旁边，还会根据显著性水平自动加星号（比如*p<0.05，**p<0.01这类）。

如果你坚持想用原来的 sjp.lmer()，也可以手动提取p值后用ggplot2的语法添加注释：

# 先画出基础图
p <- sjp.lmer(model.name, type = "ri.pc", facet.grid = FALSE, terms = c("x1", "x3"))
# 从模型结果中提取对应变量的p值
p_vals <- summary(model.name)$coefficients[c("x1", "x3"), "Pr(>|t|)"]
# 给每个效应添加p值注释（y轴位置需要根据你的图调整）
p$plot + annotate("text", x = 1:length(p_vals), y = 0.5, label = paste0("p=", round(p_vals, 3)))

内容的提问来源于stack exchange，提问作者sar