R - 绘制具有两个以上预测变量的混合模型的预测（连续和因子）

Question

我在Ben Bolker的帖子中找到了这个答案，这确实很有帮助（How to plot random intercept and slope in a mixed model with multiple predictors?）。但是，如果我的模型看起来更像这样：/ n     mod <- lmer(resp ~ pred1 + pred2 + factor(pred3) + (1|RF1),data=d)我还想绘制因素对响应的影响，保持其他两个不变，我将如何创建nd数据帧？另外，我如何绘制随机斜坡？非常感谢你提前！

编辑：Ben，非常感谢你的回答，我道歉，当然，给出一个可重复的例子是有意义的。 所以，第一个问题：如果我的模型中有一个因子变量，我怎样才能绘制一个预测变量的影响，保持其他预测变量不变（如上面链接问题的答案所述）？

以下是我的示例数据：https://www.dropbox.com/s/ytlocw868fsnpu7/realdatasample.csv?dl=0，请保密：）。

所以模型将是：

moddata <- lmer(meanQUALNEW ~ meanDBH + meanCRRATIO + richn_tar + (1|region),data=realdatasample)

据我所知，上面链接中给出的例子是关于为一个预测器构建一个图，同时保持另一个预测器不变，反之亦然，并考虑随机效应。但是，如何扩展该代码以考虑三个变量，特别是如果它是一个因素？ 第二个问题： 如何在这样的模型中可视化随机斜率？

moddata1 <- lmer(meanQUALNEW ~ meanDBH + meanCRRATIO + richn_tar + (richn_tar-1|region),data=realdatasample)

据我了解，包visreg和effects提供了以可接受的方式可视化此类模型的固定部分的方法（一个预测变量保持不变）。但是他们不能（据我所知）对随机效应方差分量进行很好的可视化。 我意识到可能有很多关于此的信息，但我非常喜欢上面的清晰代码示例，并且想要了解如何做这些事情＆＃34;手工和＃34;。 非常感谢您的帮助！