我的问题是图上显示的stat_regline_equation()中的intercept和slope与模型拟合ldply(modelfit, coef)中的intercept和slope不匹配，后者是我在图上所期望的。
以下是我们重现此问题的方法。

首先，我从一个玩具数据集开始。

library(lme4)
   data(Soybean)
   library(plyr)
   library(nlme)
   library(ggplot2)
   library(ggpubr)
   library(lemon)

head(Soybean)

       Plot   Variety Year Time weight  
1988.1 1988F1       F 1988   14  0.106 
1988.2 1988F1       F 1988   21  0.261 
1988.3 1988F1       F 1988   28  0.666  
1988.4 1988F1       F 1988   35  2.110  
1988.5 1988F1       F 1988   42  3.560  
1988.6 1988F1       F 1988   49  6.230

第二个，我按年份对数据集的每个子集拟合模型，其中Variety作为随机截距。

table(Soybean$Year)

1988 1989 1990 
 156  128  128 
 
table(Soybean$Variety)

  F   P 
204 208 

# Fit LME model for each subset(Soybean)
MxM1 <- dlply(Soybean,
                    "Year",
                    function(x)
                      lme(fixed = weight ~ Time,
                          random = ~ 1 |Variety ,
                           data=x, na.action=na.exclude))

这些是模型中随机截距（品种）的系数。2个品种，3年，6个不同的截距，这是有意义的。

ldply(MxM1, coef)
  Year (Intercept)  Time
1 1988       -8.65 0.349
2 1988       -7.73 0.349
3 1989       -6.71 0.242
4 1989       -4.04 0.242
5 1990       -7.28 0.309
6 1990       -6.63 0.309

第三，我估计你的体重

Soybean <- by(Soybean, Soybean$Year, \(x) {
  fit <- lme(fixed = weight ~ Time,
             random = ~ 1 |Variety ,
             data=x, na.action=na.exclude)
  cbind(x, yhat=predict(fit, na.action=na.exclude))
}) |> do.call(what=rbind)

         Plot Variety Year Time weight  yhat
1988.1 1988F1       F 1988   14  0.106 -3.76
1988.2 1988F1       F 1988   21  0.261 -1.32
1988.3 1988F1       F 1988   28  0.666  1.12
1988.4 1988F1       F 1988   35  2.110  3.57
1988.5 1988F1       F 1988   42  3.560  6.01
1988.6 1988F1       F 1988   49  6.230  8.45

第四个：我正在绘制散点图，x轴：时间，y轴：权重，一条基于yhat值的散点图的回归线。我明白了

ggplot(data = Soybean, 
       aes (x=Time, y = weight))+
  geom_point(size =3)+
  geom_line(aes(y=yhat))+
  stat_regline_equation()+
  theme_classic()+
  facet_rep_grid(Variety~Year)

我期望一条具有斜率和截距的回归线

ldply(MxM1, coef)
  Year (Intercept)  Time
1 1988       -8.65 0.349
2 1988       -7.73 0.349

3 1989       -6.71 0.242
4 1989       -4.04 0.242

5 1990       -7.28 0.309
6 1990       -6.63 0.309

因为yhat预测值基于ldply(MxM1, coef)的估计值，所以当我使用stat_regline_equation()函数时，我预期会出现ldply(MxM1, coef)的直线估计值，但这不是我看到的结果。我不确定为什么stat_regline_equation()忽略yhat的值，并使用lm函数绘制回归线？
任何关于如何绘制回归线与yhat和估计值（斜率和截距）从ldply(MxM1, coef)的建议是非常感谢。谢谢。