如何计算广义线性混合模型中交互项的预测均值及其标准误差？

Question

我使用代码使用交互项建立了模型：

be_model1 <-glmer(number_of_fledged_hatchlings ~ species*nestbox_quality + (1|habitat) + (1|year) , family = poisson, data = be)

固定效应“物种”包括两个等级：大山雀（GT）和蓝山雀（BT） 以及固定效果“nestbox_quality”，即大概“高”和大概“低”

现在我无法计算交互项的拟合均值及其标准误差。

E。 G。我想知道低质量巢箱中大山雀孵化的平均拟合数以及该拟合均值的标准误差。

到目前为止，我尝试了以下代码：

> allEffects(be_model1, se=TRUE)
 model: number_of_fledged_hatchlings ~ species * nestbox_quality

 species* effect
    nestbox_quality
species    high low
  GT 6.275469   6.869725
  BT 6.547347   5.819534

没有给我标准错误，还有这段代码：

library(ggeffects)
> (ggpredict(be_model1, c("nestbox_quality", "species")))
# Predicted counts of number_of_fledged_hatchlings

# species = BT

nestbox_quality  | Predicted |       95% CI
-------------------------------------
high             |      6.28 | [5.50, 7.16]
low              |      6.87 | [6.07, 7.77]

# species = GT

nestbox_quality  | Predicted |       95% CI
-------------------------------------
high             |      6.55 | [5.80, 7.40]
low              |      5.82 | [5.21, 6.50]

Adjusted for:
*   habitat = 0 (population-level)
*      year = 0 (population-level)

为此我也没有得到标准错误。 我试过了

> pred_model2<-predict(be_model1,type="response")
> 
> tapply(pred_model2,list(species,nestbox_quality), mean)
         high low
BT 6.457035   6.838857
GT 6.498190   5.792777
> tapply(pred_model2,list(species,nestbox_quality), std.error)
         high low
BT 0.10072955 0.10153544
GT 0.08011282 0.05989635

在这里我确实收到了标准错误，但我对预测的均值有点困惑，因为它们与我使用前几行代码获得的值不同。