r - lmer : predictions on population level trigger an error

我想使用线性混合模型并在总体水平上进行预测(即仅使用固定效应并使用 0 而不是随机效应)。

示例模型:

require(lme4)

fm1 <- lmer(Reaction ~ Days + (Days | Subject), sleepstudy)
summary(fm1)
# values for prediction:
newx <- seq(min(sleepstudy$Days), max(sleepstudy$Days))

我尝试了几种人口水平的预测方法，但都失败了:

pred <- predict(fm1, newdata = data.frame(Days = newx), allow.new.levels = TRUE)
# Error: couldn't evaluate grouping factor Subject within model frame: try adding grouping factor to data frame explicitly if possible

pred <- predict(fm1, newdata = data.frame(Days = newx, Subject = NA), allow.new.levels = TRUE)
# Error: Invalid grouping factor specification, Subject

pred <- predict(fm1, newdata = data.frame(Days = newx, Subject = as.factor(NA)), allow.new.levels = TRUE)
# Error: Invalid grouping factor specification, Subject

我试图找到正确预测方法的手册，但我不知道如何？我试图查看 help(package = "lme4") 并且我发现的最接近的函数是 predict.merMod (尽管模型 fm1 的类是 lmerMod 而不是 merMod )。 ?predict.merMod 内容如下:



它特别指出“或 NAs”，但它显然不是那样工作的!!

我在看正确方法的帮助页面吗？如果没有，正确的方法是什么？

如何在人口层面进行预测？

最佳答案

您正在寻找 re.form :

require(lme4)
fm1 <- lmer(Reaction ~ Days + (Days | Subject), sleepstudy)
newx <- seq(min(sleepstudy$Days), max(sleepstudy$Days))
predict(fm1, newdata=data.frame(Days=newx), re.form=NA)
##        1        2        3        4        5        6        7        8
## 251.4051 261.8724 272.3397 282.8070 293.2742 303.7415 314.2088 324.6761
##        9       10
## 335.1434 345.6107

至于你的其他问题:

merMod 是一个“父类(super class)”，包括线性( lmerMod )和广义线性( glmerMod )模型:参见 ?"merMod-class"

你的第二次尝试可能应该有效；然而，allow.new.levels 是为偶尔有 NA 值的情况而设计的，并非所有 NA 值...... predict(fm1, newdata = data.frame(Days = newx, Subject = "a"), allow.new.levels = TRUE) 确实有效。看起来代码检测到一个 all-NA 列并将其解释为上游出现问题 - 这可以在代码中修复，但由于 re.form 存在，所以似乎不是非常高的优先级。

关于r - lmer : predictions on population level trigger an error，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34513330/