如何在lme4中获取随机因子各水平对应的方差成分？

当然可以实现！不过先得理清一个关键概念——你用VarCorr()得到的是整个Subject因子的总体方差成分，它描述的是所有受试者截距的整体变异程度；而你问的每个具体受试者（比如308、370）对应的，其实是他们的随机效应估计值（BLUPs，最佳线性无偏预测值），也就是每个受试者的截距相对于总体平均截距的偏移量，这是最接近你需求的指标（混合模型框架下并不存在每个水平单独的方差参数，因为随机因子的方差是针对整个群体的）。

下面是具体的实现步骤：

1. 提取每个受试者的随机效应（BLUPs） #

使用lme4包的ranef()函数，可以直接获取所有随机因子水平的效应估计值：

# 提取Subject的随机效应
subject_blups <- ranef(model)$Subject
# 查看前5个受试者的结果
head(subject_blups)

运行后你会看到类似这样的输出，每一行对应一个受试者，值代表该受试者的截距与总体平均截距的差异：

(Intercept)
308    37.17254
309   -71.66202
310   -62.91614
311   -17.03458
312    13.83466

2. 整理成更易读的格式 #

如果想把受试者编号和效应值对应得更清晰，可以把结果转成数据框：

# 转换为数据框并添加受试者编号列
subject_effects_df <- as.data.frame(ranef(model)$Subject)
subject_effects_df$Subject <- rownames(subject_effects_df)
# 重命名列名更直观
colnames(subject_effects_df)[1] <- "Intercept_Deviation"

# 查看整理后的结果
head(subject_effects_df)

这样你就能很方便地筛选特定受试者（比如308、370）的效应值：

Intercept_Deviation Subject
308          37.17254     308
309         -71.66202     309
310         -62.91614     310
311         -17.03458     311
312          13.83466     312

补充说明 #

如果你的模型包含随机斜率（比如(Days|Subject)），ranef()会同时返回每个受试者的截距和斜率效应，你可以用同样的方法提取和整理。

另外，如果你想计算给定受试者后的条件预测方差，那就是模型的残差方差（960.46），因为在给定受试者的情况下，反应变量的变异来自残差；而不考虑受试者的边缘预测方差则是Subject的总体方差加残差方差（1378.18 + 960.46），这两个都是群体层面的参数，不是单个受试者的专属方差。

备注：内容来源于stack exchange，提问作者corn_bunting