我尝试拟合混合效果模型，然后使用该模型生成可能具有不同级别的新数据集的估计值。我预计新数据集的估计值将使用估计参数的平均值，但事实似乎并非如此。这是一个最低限度的工作示例：
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)
在这个例子中，我基本上定义了三组具有不同回归方程（斜率为1,1.5和0.5）。但是，当我尝试使用看不见的级别预测新数据集时，我会得到一个恒定的估计值。我本来期望斜率和截距的预期值用于生成这个新数据的预测。我期待错误的事吗？或者，我的代码出了什么问题？
答案 0 :(得分：10)
我通常不包括随机斜率而不包括固定斜率。似乎predict.merMod与我同意，因为它似乎只是使用固定效果来预测新的水平。文档说“预测将使用具有先前未观察到的水平的数据的无条件（人口级别）值”，但这些值似乎不会与您的模型规范一起估算。
因此，我建议这个模型：
fit = lmer(y ~ x + (x|grp), data = d)
newdata = data.frame(x = 1:10, grp = 4)
predict(fit, newdata = newdata, allow.new.levels = TRUE)
# 1 2 3 4 5 6 7 8 9 10
#1.210219 2.200685 3.191150 4.181616 5.172082 6.162547 7.153013 8.143479 9.133945 10.124410
这与仅使用模型的固定效果部分相同：
t(cbind(1, newdata$x) %*% fixef(fit))
# [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#[1,] 1.210219 2.200685 3.19115 4.181616 5.172082 6.162547 7.153013 8.143479 9.133945 10.12441
答案 1 :(得分：6)
也许这还不够清楚，但我认为?predict.merMod的文档（合理地）明确了allow.new.levels=TRUE时会发生什么。我猜这种含糊不清可能是什么
“无条件（人口水平）价值”意味着......
allow.new.levels：如果'newdata'中的新级别（或NA值）是逻辑的 允许。如果为FALSE（默认值），则为'newdata'中的此类新值 会触发错误;如果为TRUE，则预测将使用 数据的无条件（人口级别）值 以前没有观察到的水平（或NAs）。