मैं मिश्रित प्रभाव मॉडल फिट करने की कोशिश कर रहा हूं और फिर उस मॉडल का उपयोग ऐसे नए डेटासेट पर अनुमान उत्पन्न करने के लिए करता हूं जिसमें विभिन्न स्तर हो सकते हैं। मुझे उम्मीद थी कि एक नए डेटासेट पर अनुमान अनुमानित मानकों के औसत मूल्य का उपयोग करेंगे, लेकिन ऐसा लगता है कि ऐसा नहीं लगता है। यहाँ एक न्यूनतम काम कर उदाहरण है:नए स्तरों पर lme4 के साथ भविष्यवाणी
library(lme4)
d = data.frame(x = rep(1:10, times = 3),
y = NA,
grp = rep(1:3, each = 10))
d$y[d$grp == 1] = 1:10 + rnorm(10)
d$y[d$grp == 2] = 1:10 * 1.5 + rnorm(10)
d$y[d$grp == 3] = 1:10 * 0.5 + rnorm(10)
fit = lmer(y ~ (1+x)|grp, data = d)
newdata = data.frame(x = 1:10, grp = 4)
predict(fit, newdata = newdata, allow.new.levels = TRUE)
इस उदाहरण में, मैं अनिवार्य रूप से अलग प्रतिगमन समीकरण (1, 1.5 और 0.5 की ढलानों) के साथ तीन समूहों को परिभाषित कर रहा हूँ। हालांकि, जब मैं एक अदृश्य स्तर के साथ एक नए डेटासेट पर भविष्यवाणी करने का प्रयास करता हूं, तो मुझे निरंतर अनुमान मिलता है। मैं इस नए डेटा के लिए पूर्वानुमान उत्पन्न करने के लिए ढलान और अवरोध के अपेक्षित मूल्य की अपेक्षा करता था। क्या मैं गलत चीज़ की उम्मीद कर रहा हूं? या, मैं अपने कोड के साथ क्या गलत कर रहा हूँ?
मेरा मानना है कि 'predict.merMod' नए स्तर के लिए मॉडल के निश्चित प्रभाव भागों से गुणांक का उपयोग करता है। 'वाई ~ एक्स + (एक्स | जीआरपी)' एक अधिक समझदार मॉडल विनिर्देश है। – Roland
आह, यह समझ में आता है! यदि आप इसे उत्तर के रूप में जोड़ते हैं तो मैं इसे स्वीकार करूंगा। –