Среднее значение нескольких объектов ggpredict

Возможно, я неправильно понял, но один из возможных вариантов может быть:

library(mice)
library(ggeffects)

data("nhanes")
head(nhanes)
#>   age  bmi hyp chl
#> 1   1   NA  NA  NA
#> 2   2 22.7   1 187
#> 3   1   NA   1 187
#> 4   3   NA  NA  NA
#> 5   1 20.4   1 113
#> 6   3   NA  NA 184
imp <- mice(nhanes, print = FALSE, m = 10, seed = 24415)
df <- complete(imp, "long")
model_fit <- lapply(1:10, function(i) {
  model = lm(bmi ~ age + hyp + chl,
             data = subset(df, `.imp`==i))
})

library(tidyverse)
list_of_results <- map(model_fit, ggpredict, c("age", "hyp"))
ggpredicts <- map(list_of_results, `[[`, "predicted")
map(ggpredicts, mean)
#> [[1]]
#> [1] 25.93424
#> 
#> [[2]]
#> [1] 26.01019
#> 
#> [[3]]
#> [1] 26.18797
#> 
#> [[4]]
#> [1] 26.69359
#> 
#> [[5]]
#> [1] 25.90896
#> 
#> [[6]]
#> [1] 26.26845
#> 
#> [[7]]
#> [1] 26.10574
#> 
#> [[8]]
#> [1] 25.81957
#> 
#> [[9]]
#> [1] 26.34521
#> 
#> [[10]]
#> [1] 26.89521

df <- bind_cols(map(ggpredicts, mean))
colnames(df) <- paste0("Model_", str_pad(1:10, 2, pad = "0"))
df %>%
  pivot_longer(everything(),
               values_to = "mean prediction",
               names_to = "model") %>%
  ggplot(aes(x = `model`, y = `mean prediction`)) +
  geom_col() +
  theme_bw()

^{Created on 2024-04-24 with reprex v2.1.0}

Близко ли это к ожидаемому вами результату?

Так?

library(mice)
library(ggeffects)
library(tidyverse)

imp <- mice(nhanes, print = FALSE, m = 10, seed = 24415)
df <- complete(imp, "long")
model_fit <- lapply(1:10, function(i) {
  model = lm(bmi ~ age + hyp + chl,
             data = subset(df, `.imp`==i))
})

map(model_fit, ggpredict, c("age", "hyp")) |> 
  bind_rows(.id = "id") |> 
  rename(age = x, hyp = group) |> 
  as_tibble() |> 
  summarise(across(c(predicted, conf.low, conf.high), mean), .by = c(age, hyp))
#> # A tibble: 6 × 5
#>     age hyp   predicted conf.low conf.high
#>   <dbl> <fct>     <dbl>    <dbl>     <dbl>
#> 1     1 1          28.6     26.5      30.6
#> 2     1 2          30.7     26.4      35.0
#> 3     2 1          25.2     23.3      27.0
#> 4     2 2          27.3     24.1      30.5
#> 5     3 1          21.8     18.3      25.2
#> 6     3 2          23.9     20.5      27.2

^{Created on 2024-04-24 with reprex v2.1.0}

Просто используйте pool_predictions():

library(ggeffects)
# example for multiple imputed datasets
data("nhanes2", package = "mice")
imp <- mice::mice(nhanes2, printFlag = FALSE)
predictions <- lapply(1:5, function(i) {
  m <- lm(bmi ~ age + hyp + chl, data = mice::complete(imp, action = i))
  predict_response(m, "age")
})
pool_predictions(predictions)
#> # Predicted values of bmi
#> 
#> age   | Predicted |       95% CI
#> --------------------------------
#> 20-39 |     30.09 | 28.17, 32.02
#> 40-59 |     24.60 | 21.48, 27.72
#> 60-99 |     21.75 | 18.24, 25.26
#> 
#> Adjusted for:
#> * hyp =     no
#> * chl = 196.32

# and:
# pool_predictions(predictions) |> plot()

^{Created on 2024-04-30 with reprex v2.1.0}

Обратите внимание, что pool_predictions() учитывает пропущенные значения/множественные вменения и корректирует стандартную ошибку, таким образом вы получаете немного большие доверительные интервалы, чем просто взятие среднего значения.