我在R中估计了一个交叉分类的后勤混合模型，有两种类型的二级主题：34个选举日期和408个城市。 1级观察是选民投票率（从属）和2个独立变量的聚合比例。然后在选举日期和一些控制方面有一些特点。我估计了主要自变量与选举类型（选举日期的宏观特征）之间的跨层次互动。因此，效果在选举日期随机估计。现在我想绘制随机效果：绘图中的34条回归线，有4种不同颜色（根据宏观层面：不同类型的选举）。
有谁知道如何在R中绘制这样的东西？
更新： 谢谢你的提示！我对R很新。我知道如何估计我的模型，但除此之外我还有很多需要学习的东西。
这是我的最终型号。 “gemnr”是市级。 “日期”是我所谈论的选举日期。 “Windchill”和“Rain”是对“Date”的随机效应，并与“Provincie”，“Gemeente”和“Europa”三种类型的选举互动。其余变量是控件。 因变量是选民的真实比例：cbind（opkomst，nnietgestemd），它代表投票数（opkomst）和非投票人数（nnietgestemd）。
# Model with controls and interactions.
model3b <- glmer (cbind(opkomst, nnietgestemd) ~
(1|gemnr)+(1+Windchill+Rain|Date) + Windchill + Windspeed + Rain + SP + lag_popkomst + Provincie + Gemeente + Europa + NB + OL + loginw
+ Provincie:Windchill + Gemeente:Windchill + Europa:Windchill + Provincie:Rain + Gemeente:Rain + Europa:Rain, family=binomial(link=logit))
这就是结果：
Generalized linear mixed model fit by maximum likelihood ['glmerMod']
Family: binomial ( logit )
Formula: cbind(opkomst, nnietgestemd) ~ (1 | gemnr) + (1 + Windchill + Rain | Date) + Windchill + Windspeed + Rain + SP + lag_popkomst + Provincie + Gemeente + Europa + NB + OL + loginw + Provincie:Windchill + Gemeente:Windchill + Europa:Windchill + Provincie:Rain + Gemeente:Rain + Europa:Rain
AIC BIC logLik deviance
1452503.3 1452691.4 -726226.6 1452453.3
Random effects:
Groups Name Variance Std.Dev. Corr
gemnr (Intercept) 0.0146186 0.12091
Date (Intercept) 0.1902650 0.43619
Windchill 0.0009727 0.03119 -0.07
Rain 0.0103655 0.10181 0.59 -0.10
Number of obs: 13735, groups: gemnr, 408; Date, 34
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.23067667 0.12124970 -1.9 0.057107 .
Windchill -0.00768949 0.00834125 -0.9 0.356600
Windspeed 0.01040831 0.00017884 58.2 < 0.0000000000000002 ***
Rain -0.00157012 0.02908864 -0.1 0.956953
SP 0.00045626 0.00001432 31.9 < 0.0000000000000002 ***
lag_popkomst 2.10911785 0.00386440 545.8 < 0.0000000000000002 ***
Provincie -1.09414033 0.25162607 -4.3 0.00001372100383 ***
Gemeente -0.60849053 0.18353633 -3.3 0.000915 ***
Europa -1.21169484 0.21694178 -5.6 0.00000002332356 ***
NB 0.07397575 0.01053297 7.0 0.00000000000217 ***
OL 0.00288172 0.00821660 0.4 0.725799
loginw -0.10297623 0.00721768 -14.3 < 0.0000000000000002 ***
Windchill:Provincie 0.01743852 0.01769197 1.0 0.324293
Windchill:Gemeente 0.01010439 0.01292002 0.8 0.434172
Windchill:Europa 0.01664707 0.01522839 1.1 0.274323
Rain:Provincie -0.13692131 0.05956872 -2.3 0.021531 *
Rain:Gemeente -0.03330741 0.04340056 -0.8 0.442819
Rain:Europa -0.04864840 0.05142619 -0.9 0.344156
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1