使用lme4

Question

我使用lme4::glmer()在R中运行混合模型逻辑回归。它是一个具有四个分类变量的模型。每个变量都是效果编码（-1,1）。参与者和刺激都有随机效应（编码为“演员”）。我已经复制了下面的输出。

Generalized linear mixed model fit by maximum likelihood 
(Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: correctDummy ~ raceEffect * infoEffect * objectEffect * groupEffect +  
    (object | participant) + (object | actor)
   Data: df
Control: glmerControl(optimizer = "bobyqa")

     AIC      BIC   logLik deviance df.resid 
 38532.9  38722.4 -19244.4  38488.9    40778 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-6.5155  0.2361  0.3815  0.5268  2.8158 

Random effects:
 Groups      Name        Variance Std.Dev. Corr 
 participant (Intercept) 0.3320   0.5762        
             objectnogun 0.3584   0.5986   -0.22
 actor       (Intercept) 0.2709   0.5204        
             objectnogun 0.4135   0.6430   -0.65
Number of obs: 40800, groups:  participant, 153; actor, 40

Fixed effects:
                                                 Estimate Std. Error z value Pr(>|z|)    
(Intercept)                                     1.5311984  0.0829808  18.452  < 2e-16 ***
raceEffect                                     -0.0225314  0.0655927  -0.344 0.731218    
infoEffect                                      0.0005097  0.0188336   0.027 0.978410    
objectEffect                                   -0.0497586  0.0604082  -0.824 0.410107    
groupEffect                                     0.2048575  0.0540882   3.787 0.000152 ***
raceEffect:infoEffect                           0.0004164  0.0188259   0.022 0.982353    
raceEffect:objectEffect                         0.0218374  0.0542910   0.402 0.687515    
infoEffect:objectEffect                         0.1939512  0.0188332  10.298  < 2e-16 ***
raceEffect:groupEffect                         -0.0022580  0.0187905  -0.120 0.904351    
infoEffect:groupEffect                         -0.0135822  0.0188172  -0.722 0.470418    
objectEffect:groupEffect                        0.0141459  0.0322551   0.439 0.660978    
raceEffect:infoEffect:objectEffect             -0.0192888  0.0188261  -1.025 0.305562    
raceEffect:infoEffect:groupEffect              -0.0157074  0.0188125  -0.835 0.403748    
raceEffect:objectEffect:groupEffect             0.0150685  0.0187907   0.802 0.422605    
infoEffect:objectEffect:groupEffect            -0.0253699  0.0188176  -1.348 0.177593    
raceEffect:infoEffect:objectEffect:groupEffect -0.0113857  0.0188127  -0.605 0.545037    

我想知道如何计算模型预测平均值和某些条件下的95％CI。例如，我想为“groupEffect”的主要影响计算两组中每一组的预测平均值和95％CI。我还想计算参与“infoEffect：objectEffect”交互的四个组中每个组的预测平均值和95％CI。

要明确的是，我不打算围绕效果本身计算95％CI（我可以通过使用lme4::bootMer()或使用lme4::confint()进行自举来计算。我想计算预测的平均值（即第一组正确响应的次数;第二组正确响应的次数比例）和95％CI。

我认为lsmeans()包可能能够做我正在寻找的东西，但我没有成功。看起来很多像这样做的软件包都适用于使用连续变量的模型，而不是二进制变量。