在lm和glm模型，我使用的功能coef和confint要实现的目标：
m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous
coef(m)
confint(m)
现在，我加入到模型中随机效应-使用使用混合效应模型的lmer功能从lme4包。 但随后，功能coef和confint不工作了我！
> mix1 = lmer(resp ~ 0 + var1 + var1:var2 + (1|var3))
# var1, var3 categorical, var2 continuous
> coef(mix1)
Error in coef(mix1) : unable to align random and fixed effects
> confint(mix1)
Error: $ operator not defined for this S4 class
我试图谷歌和使用文档，但没有结果。 请点我在正确的方向。
编辑：我也在想这个问题，是否适合更多的https://stats.stackexchange.com/ ，但我认为它比统计更多的技术，所以我断定它最适合在这里（SO）...你觉得呢？
有两个新的软件包， lmerTest和LSMEANS ，可以计算95％置信区间为lmer和glmer输出。 也许你可以看看那些？ 而coefplot2 ，我觉得能做到这一点（虽然本·低于所指出的，在一个不那么复杂的方式，从沃尔德统计的标准误差，而不是Kenward罗杰和/或萨特斯韦特DF近似中使用lmerTest和lsmeans ）...只是一个耻辱，还有在包中没有内置绘图设施lsmeans （因为有在包装effects()这顺便说一句也返回上95％置信区间lmer和glmer对象，但通过改装的模型没有任何这样做的随机因素的影响，这是明显不正确的）。
我建议大家用好老LME（封装NLME）。 它有confint，如果你需要对比的confint，有一系列的选择（在gmodels难能可贵的，在对比度反差，glht在multcomp）。
为什么p值和confint是11聚物中缺席：看http://finzi.psych.upenn.edu/R/Rhelp02a/archive/76742.html 。
假设为固定效应的正态近似（其中confint也做了），我们可以得到95个％的置信区间
估计+ 1.96 *标准错误。
以下不适用于方差分量/随机效应。
library("lme4")
mylm <- lmer(Reaction ~ Days + (Days|Subject), data =sleepstudy)
# standard error of coefficient
days_se <- sqrt(diag(vcov(mylm)))[2]
# estimated coefficient
days_coef <- fixef(mylm)[2]
upperCI <- days_coef + 1.96*days_se
lowerCI <- days_coef - 1.96*days_se
不知道什么时候加入，但现在confint（）在lme4实现。 例如，下面的示例：
library(lme4)
m = lmer(Reaction ~ Days + (Days | Subject), sleepstudy)
confint(m)
为了找到系数，你可以简单地使用lme4的汇总函数
m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous
m_summary <- summary(m)
让所有的系数：
m_summary$coefficient
如果你想的置信区间，1.96乘以非标准错误：
CI <- m_summary$coefficient[,"Std. Error"]*1.96
print(CI)
文章来源: How to get coefficients and their confidence intervals in mixed effects models?
