我有以下混合效果模型，带有两个交叉随机效果，我用它来模拟树木生长：
Model <- lmer (log(Growth) ~ log(Size) + log(Competition) + (1 + log(Size) | Treatment) + (1 | Plot))
我正在使用此模型来预测新数据，并很高兴看到 lme4 的开发版本现在附带predict函数，该函数允许固定和随机效果用于生成预测。然而，我还需要能够估计我正在进行的预测中的不确定性，这是一个问题，因为 lme4 中的predict不会为预测生成SE。
我试图接近替代方案。第一个是使用simulate来生成预测值的分布，然后我可以将其汇总到不确定性估计中。但是，我发现simulate的输出明显不同于predict的输出，无论我如何处理与随机效应相关的use.u参数。当我将平均预测值乘以1000或更多模拟并将其与predict的输出进行比较时，很明显这两种方法产生的结果不同。
第二种方法是使用predict帮助文件中建议的bootMer函数。由此我能够获得参数估计的SE。但是，我不太确定如何将这些转化为预测中的不确定性（即，如何获得预测值的SE？）。我错过了一些明显的东西吗？
对于我使用过的两种方法的任何帮助/建议都会非常感激，对于我没有考虑的替代方案的建议也是如此！