我们目前正在研究植物物候学。
我们为研究区域中存在的每个物种建立了一个线性混合模型。
我们将融雪天数（从融雪到夏季访问日的天数总和）设置为响应变量，而平均物候（每个地块的平均物候状态（每个地点有 3 个）由来自的平均物候状态计算每个小区分为12个子小区。从1-6，数字越大循环越高级）。嵌套在本地的年份和地块被设置为随机因素。
一旦模型建立和修改，我们想要预测每个物种从融雪开始的天数，以达到感兴趣的物候阶段，这些阶段恰好有 2、3、4 和 5 的平均值。（对应于营养、开花、水果发育和分散，分别）我已经尝试过这个功能predict()，但我没有得到每个物种的阶段之间的异质性，进展似乎是线性的（如图像文件所示）。
这可能仅仅是因为是一个线性模型，所以它只会给出线性响应吗？有没有其他方法可以从这些模型中获得预测并显示它们的 CI？
如何从 lmerTest 模型中获得 CI 预测？
我想你可能是指pediction间隔。您可以使用 包predictInterval中的功能merTools。例如：
library(lmerTest); library(merTools)
fm1 <- lmer(Reaction ~ Days + (Days|Subject), data = sleepstudy)
head(predictInterval(fm1, level = 0.95, seed = 123, n.sims = 100))
这可能仅仅是因为是一个线性模型，所以它只会给出线性响应吗？
是的 ！如果您拟合线性模型，则预测将是线性的。当然，您可以通过多种方式使用线性模型对非线性进行建模，包括变换、非线性项（模型在参数中仍然是线性的）和样条曲线。