Question

predictInterval()包中的merTools与嵌套随机效果不一样吗？例如，使用msleep包中的ggplot2数据集：

library("lme4")
library("merTools")
library("ggplot2")
mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep)

返回错误：

Error in '[.data.frame'(newdata, , j) : undefined columns selected

这样运行没问题：

mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep)

（实际上，它会对随机效应变量中的NA级别发出警告，但我并不关心这一点。

的更新

正如Ben Bolker在下面的回答中所述，新版merTools说明了嵌套随机效应。但是，当我尝试预测包含新级别嵌套随机效果的数据时，我会收到错误。

这有效：

mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep)

虽然有一些警告（见下面关于警告的其他问题*），但这有效：

mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
msleep2 <- msleep %>% mutate(vore = "omni")
predInt <- predictInterval(merMod=mod, newdata=msleep2)

但这不起作用：

mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
msleep2 <- msleep %>% mutate(vore = "omni")
predInt <- predictInterval(merMod=mod, newdata=msleep2)

出现以下错误：

Error in `[.data.frame`(tmp, alllvl) : undefined columns selected
In addition: Warning message:
In predictInterval(merMod = mod, newdata = msleep3) :
  newdata is tbl_df or tbl object from dplyr package and has been
              coerced to a data.frame

在这里，"omni"实际上并不是vore的新级别，但与order结合使用时，会创建新的嵌套变量组合。

如果我使用"new"或其他任何未观察到的vore级别，我会得到类似的结果：它适用于模型的非嵌套版本，但不适用于嵌套版本。

*此外，我是否应该关注上面第二个模型块发出的警告：

> mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
> msleep2 <- msleep %>% mutate(vore = "omni")
> predInt <- predictInterval(merMod=mod, newdata=msleep2)
Warning messages:
  1: In predictInterval(merMod = mod, newdata = msleep2) :
     newdata is tbl_df or tbl object from dplyr package and has been
       coerced to a data.frame
  2: In chol.default(sigma, pivot = TRUE) :
     the matrix is either rank-deficient or indefinite

我猜第二个是vore对每个观察值采用相同值的结果，但这不应该成为预测的问题，是吗？如果变量在我拟合模型时具有相同的值，我可以看到这是一个问题，但是在预测新观察时不会认为它应该是一个问题？

Answer 1

通过明确地写出交互术语，可以（显然）解决这个问题。警告：我实际上没有检查过以确保结果预测是正确的，只是看到没有产生错误并且生成的对象近似合理......

msleep <- transform(msleep,voreOrder=interaction(vore,order,drop=TRUE))
mod2 <- lmer(sleep_total ~ bodywt + (1|vore)+(1|voreOrder), data=msleep)
predInt <- predictInterval(merMod=mod2, newdata=msleep)

这确实会生成警告消息，但显然它们归因于<NA>变量中的vore值（我不知道此数据集......）

具有嵌套随机效应的模型的merTools predictInterval（）

的更新

1 个答案: