如何从混合效应to模型中提取随机拦截

Question

我正在尝试使用和multilevelmod从tidymodels中提取lme4随机拦截。我可以使用下面的lme4来完成这个任务：

使用R和lme4的lme4:

library("tidyverse")
library("lme4")

# set up model
mod <- lmer(Reaction ~ Days + (1|Subject),data=sleepstudy)

# create expanded df
expanded_df <- with(sleepstudy,
                    data.frame(
                      expand.grid(Subject=levels(Subject),
                                  Days=seq(min(Days),max(Days),length=51))))

# create predicted df with **random intercepts**
predicted_df <- data.frame(expanded_df,resp=predict(mod,newdata=expanded_df))

predicted_df 

# plot intercepts
ggplot(predicted_df,aes(x=Days,y=resp,colour=Subject))+
       geom_line() 

​

​

使用tidymodel的：

# example from
# https://github.com/tidymodels/multilevelmod
library("multilevelmod")
library("tidymodels")
library("tidyverse")
library("lme4")
#> Loading required package: parsnip
data(sleepstudy, package = "lme4")


# set engine to lme4
mixed_model_spec <- linear_reg() %>% set_engine("lmer")


# create model
mixed_model_fit_tidy <- 
  mixed_model_spec %>% 
  fit(Reaction ~ Days + (1 | Subject), data = sleepstudy)


expanded_df_tidy <- with(sleepstudy,
                    data.frame(
                      expand.grid(Subject=levels(Subject),
                                  Days=seq(min(Days),max(Days),length=51))))



predicted_df_tidy <- data.frame(expanded_df_tidy,resp=predict(mixed_model_fit_tidy,new_data=expanded_df_tidy))


ggplot(predicted_df_tidy,aes(x=Days,y=.pred,colour=Subject))+
       geom_line()

​

​

使用predict()函数似乎只给出了固定的效果预测。

有办法从tidymodel和多层次not中提取随机拦截吗?我知道这个包还在开发中，所以在这个阶段可能是不可能的。

Answer 1

我认为你可以这样做：

predicted_df_tidy <- mutate(expanded_df_tidy,
       .pred = predict(mixed_model_fit_tidy,
                       new_data=expanded_df_tidy, 
                       type = "raw", opts=list(re.form=NULL)))

• 在某些情况下，bind_cols()而不是mutate()可能有用吗？
• 问题是multilevelmod 内部将预测的默认值设置为re.form = NA；上面的代码将其重置为re.form = NULL (这是lme4的默认值，即在预测中包含所有随机效应)。

​

​

如果你真的想要随机截取(仅)，我想你可以predicted_df_tidy %>% filter(Days==0)

如果你想在这方面更“整洁”，我想你可以用purrr::cross_df()代替expand.grid，直接把结果输送到mutate() .