我有以下混合效应模型，其中包含两个交叉随机效应，用于模拟树的生长：
Model <- lmer (log(Growth) ~ log(Size) + log(Competition) + (1 + log(Size) | Treatment) + (1 | Plot))
我正在使用这个模型来预测新数据，并且很高兴看到lme4的开发版本现在带有一个predict允许使用固定和随机效应来生成预测的功能。但是，我还需要能够估计我所做预测的不确定性，这是一个问题，因为predict在lme4中不会为预测生成 SE。
我已经尝试过替代方法。第一个是用来simulate生成预测值的分布，然后我可以将其总结为不确定性估计。但是，我发现 的输出与 的输出simulate明显不同predict，无论我如何处理与随机效应相关的 use.u 参数。当我取 1000 次或更多模拟的平均预测值并将其与 的输出进行比较时predict，很明显这两种方法产生了不同的结果。
第二种方法是使用帮助文件中推荐的 bootMer 函数predict。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，我如何获得预测值的 SE？）。我错过了一些明显的东西吗？
非常感谢我使用的两种方法的任何帮助/建议，以及我没有考虑过的替代方法的任何建议！