Question

我在数据A中安装了一个混合模型，如下所示：

model <- lme(Y~1+X1+X2+X3, random=~1|Class, method="ML", data=A)

接下来，我想看看模型如何适合数据B并获得估计的残差。 R中是否有可以使用的功能？

（我尝试了以下方法，但获得了所有新系数。）

model <- lme(Y~1+X1+X2+X3, random=~1|Class, method="ML", data=B)

Answer 1

使用data=B进行第二次尝试时获得新系数的原因是函数lme使用您提供的公式返回适合您数据集的模型，并将该模型存储在变量中您选择了model。

要获取有关模型的更多信息，您可以键入summary(model_name)。 nlme库包含一个名为predict.lme的方法，允许您根据拟合的模型进行预测。您可以键入predict(my_model)以使用原始数据集获取预测，或者如上所述键入predict(my_model, some_other_data)以使用该模型生成预测，但使用不同的数据集。

在您获取残差的情况下，您只需要从观测值中减去预测值。因此，请使用predict(my_model,some_other_data) - some_other_data$dependent_var，或者使用predict(model,B) - B$Y。

Answer 2

你建模：

model＆lt; - lme（Y~1 + X1 + X2 + X3，random = ~1 | Class，method =“ML”，data = A）

基于您的模型的2个预测：

PRED1 =预测（模式，newdata = A，类型= '响应'）
  pred2 = predict（model，newdata = B，type ='response'）

miss：一个计算误报百分比的函数，截止值设置为0.5。
（预测为真，但实际上这些观察结果不是正面的）

错过=函数（值，预测）{sum（（（预测> 0.5）* 1）！=   值）/长度（值）}

错过了（A，pred1）
  错过（B，PRED2）

如何将我构建的模型拟合到另一个数据集并获得残差？

2 个答案: