Question

当我们使用传统的逻辑回归并在R中进行预测时，例如：

library(dplyr)
n = 300
xx<-c("r1","r2","r3","r4","r5")
xxx<-c("e1","e2","e3")
p=0.3
df1 <- data_frame(
  xx1 = runif(n, min = 0, max = 10),
  xx2 = runif(n, min = 0, max = 10),
  xx3 = runif(n, min = 0, max = 10),
 School = factor(sample(xxx, n,re=TRUE)),
 Rank = factor(sample(xx, n,re=TRUE)),
 yx = as.factor(rbinom(n, size = 1, prob = p))
)
df1
mm<-glm(yx ~ xx1 + xx2 + xx3 + School + Rank,binomial,df1)
n11 = data.frame(School="e3",Rank="r2",xx1=8.58,xx2=8.75,xx3=7.92)

我们使用：

predict(mm, n11, type="response") #No meu caso especifico

你预测（mm，n11）

取决于我们感兴趣的东西，没有问题。

但是当我们使用GLMM时

library(lme4)
mm2 <- glmer(yx ~ xx1 + xx2 + xx3 + Rank +  (Rank | School), data = df1, 
family = "binomial",control = glmerControl(calc.derivs = FALSE))
predict(mm2, n11, type="response") #No meu caso especifico

显示错误

 Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
contrasts can be applied only to factors with 2 or more levels

我试过这样做

 predict(m2,n11, re.form=(~Rank|School))

这会显示错误

Error in UseMethod("predict") : 
no applicable method for 'predict' applied to an object of class "glmmadmb"

R-GLMM中预测的正确形式是什么？

Answer 1

问题是您的模型规范与您提供的新数据的结构不匹配。更具体地说，（自动转换为因子）变量School和Rank的级别只有一个级别，而模型需要三个级别。它具有三个级别的参数，因此如果找不到这三个级别，则无法使用正确的设计矩阵来计算新的预测。

这就是为什么@Roland在评论中是正确的根本原因，你必须专门创建一个与训练模型的数据中使用的相同级别的变量。

n11 <- data.frame(School=factor("e3", levels = levels(df1$School)), 
                  Rank=factor("r2", levels =levels(df1$Rank)),
                  xx1=8.58,xx2=8.75,xx3=7.92)

R - GLMM中的预测

1 个答案: