혼합 효과 모델에 대한 예측 : 임의 효과로 무엇을해야합니까?

이 가상의 데이터 세트를 고려해 봅시다 :

set.seed(12345)

num.subjects <- 10

dose <- rep(c(1,10,50,100), num.subjects)
subject <- rep(1:num.subjects, each=4)
group <- rep(1:2, each=num.subjects/2*4)

response <- dose*dose/10 * group + rnorm(length(dose), 50, 30)

df <- data.frame(dose=dose, response=response, 
                 subject=subject, group=group)

lme랜덤 효과 모델로 응답을 모델링하는 데 사용할 수 있습니다 .

require(nlme)
model <- lme(response ~ dose + group + dose*group, 
             random = ~1|subject, df)

predict예를 들어 그룹 1의 일반적인 주제에 대한 10의 복용량에 대한 반응을 얻기 위해이 모델의 결과 를 사용 하고 싶습니다 .

pred <- predict(model, newdata=list(dose=10, group=1))

그러나이 코드를 사용하면 다음 오류가 발생합니다.

Error in predict.lme(model, newdata = list(dose = 10, group = 1)) : 
cannot evaluate groups for desired levels on 'newdata'

예를 들어 제거해야합니다.

pred <- predict(model, newdata=list(dose=10, group=1, subject=5))

그러나 이것은 나에게별로 의미가 없습니다 ... 주제는 모델에서 성가신 요소이므로 어떤 의미로 포함시켜야 predict합니까? 데이터 세트에 존재하지 않는 주제 번호를 입력하면를 predict반환합니다 NA.

predict이 상황에서 원하는 동작 입니까? 내가 정말로 명백한 것을 놓치고 있습니까?

mixed-model linear-model prediction

— 니코
소스

나는 당신이 평균 예측보다는 인구 반응을 찾고 있다고 생각합니다. 무조건 조건 model은 평균이 (특히 의해 주어진다고 가정 하므로 성가신 매개 변수에 대한 일부 값도 기대합니다 평가 지점에 계층 구조가 없다고 가정하는 것이 합리적이지 않은 상황이 있기 때문에 ( 없음 ) 따라서 fit ()은 처음에 "불쾌한"결과를 제공합니다 (실제로는 그렇지 않습니다) 성가신 것으로 생각하지만 추가 정보이지만 괜찮습니다 ...)

X β + Z γ

$X\beta + Z\gamma$

y \sim N (X β + Z γ, σ^{2} I)

$y \sim N(X\beta+Z\gamma, \sigma^2 I)$

Z

$Z$

— usεr11852

@ user11852 : 명확히하기 위해, 예를 들어 동일한 주제에 대해 반복되는 측정의 경우 사용할 모델로 이것을 생각하고 있습니다.

— nico

같은 주제에 대한 견적을 찾고 있다면 왜 제외시켜야합니까? 인구 수준 추정치 ( 정보 없음 )를 원한다면 차이가 있습니다. Greg는 그의 답변에서 원하는 경우 인구에 대한 추정치를 얻을 수 있지만 주제별로 다르지는 않습니다.

Z

$Z$

— usεr11852

@ user11852 : 같은 주제에 대한 견적을 찾고 있지 않습니다. 인구 추정치를 얻기 위해 다양한 주제에 대해 반복적 인 조치를 취합니다. 나는 이미 실험적인 답변을 가지고 있기 때문에 이미 테스트 한 주제를 신경 쓰지 않습니다 ... 특정 그룹의 새로운 주제가 어떻게 자극에 반응하는지 예측할 수 있기를 원합니다. 그렉 답변은 실제로 문제를 해결합니다.

— nico

도움말을 보면 예측 수준을 결정 predict.lme하는 level인수가 있음을 알 수 있습니다. 기본값은 가장 높거나 가장 안쪽입니다. 즉, 레벨을 지정하지 않으면 주제 레벨에서 예측하려고합니다. level=0첫 번째 predict호출의 일부로 (을 제외하고 subject) 지정 하면 인구 수준에서 예측을 제공하고 주제 번호가 필요하지 않습니다.

— 그렉 스노우
소스