具有嵌套随机效应的lmer模型的预测
我目前正试图帮助一位同事，但我根本找不到解决办法。所以我希望其他人能帮助我们。
我有一个数据集，包含不同研究设计的权重数据，用于不同研究中的不同物种(一项研究包括多个设计和多个物种)。我想研究重量和研究设计之间的关系，用研究和物种作为嵌套随机效应。
模型看起来像这样，运行良好：
m <- lmer(weight ~ design +(1|study/species), data=dataset)我试图对不同的物种进行预测，但通过一项一般性的研究:我做了一个新的data.table new.dt，其中包含了原始数据集的独特设计-物种组合，并为报告添加了一列。
new.dt <- unique(dataset[,.(design, species))
new.dt$study <- "xyz"然后，我使用了预测函数，并允许新的水平。
new.dt$p <- predict(m, newdata=new.dt, re.form= NULL, allow.new.levels=TRUE) 我没有发现错误，但我对设计中的每一个物种都有相同的预测。
是否有办法使嵌套随机效应的一部分保持原有的水平，使另一部分成为新的水平？
提前谢谢你！
更新-工作示例:此问题不依赖于数据集。
library(data.table)
library(lme4)
dt <- data.table(expand.grid(design=c("a", "b"), species=c("x", "y", "z"), report=c("1", "2", "3"), count=seq(1, 10, 1)))
dt$weight <- 0
dt[species=="x"]$weight <- rnorm(60, 70, 10)
dt[species=="y"]$weight <- rnorm(60, 80, 15)
dt[species=="z"]$weight <- rnorm(60, 90, 20)
dt[design=="a"]$weight <- dt[design=="a"]$weight- 0.1*dt[design=="a"]$weight
dt[report=="1"]$weight <- dt[report=="1"]$weight+0.15*dt[report=="1"]$weight
dt[report=="2"]$weight <- dt[report=="2"]$weight-0.15*dt[report=="1"]$weight
m <-lmer(weight~design+(1|report/species), data=dt)
dt.pred <- unique(dt[,c(1:2)])
dt.pred$report<- "xyz"
dt.pred$pred<-predict(m, newdata=dt.pred, re.form= NULL, allow.new.levels=TRUE) 回答 1
Stack Overflow用户
发布于 2020-02-07 07:23:05
“相同”来自这样一个事实:您正在设置re.form = NULL或等效re.form = ~ 0。
线性混合效应模型建立了Y|beta,b ~ intercept + X %*% beta + Z %*% b + e模型，通过设置re.form = NULL，在预测期间设置了Z %*% b = 0的定义。由于这是模型的随机部分，(即(1|report/species) )，您正在消除species和report的随机效应。
在混合模型中，您可以将这种预测称为“无条件预测”(或边缘预测)，而在实践中则更多地称之为伪无条件预测。它通常用于随机效应包含individual的模型中。在这种情况下，当你观察到一个新的人，你有一个未知的随机效应，但根据你的研究，你可能只感兴趣的“系统”或“固定”效应(即，个人步行上班之前，被汽车击中？)他骑自行车了吗？)在这里，只看无条件/边际效应是有意义的。
另一种说法是，通过设置re.form = NULL，您将表示Z %*% b = 0。由于物种是权重为Z的b的一部分，您无法看到特定物种对您的预测的影响。
只有当你知道物种，并能在你的预测中使用随机效应，你才能得到不同的预测，不同的物种具有相同的固定效果。
Ps. -- data.table包有一个与expand.grid相同的函数，称为CJ，这对于更大的集合来说会更快，更节省内存。
https://stackoverflow.com/questions/60038784
复制相似问题
腾讯云开发者
