如何检索 GEE 模型拟合中使用的数据框？答案

【问题标题】：How to retrieve the data frame used in a GEE model fit?如何检索 GEE 模型拟合中使用的数据框？
【发布时间】：2019-12-23 12:31:31
【问题描述】：

我有一个纵向数据框，每个 id 有多行。

    > data("dietox")
    > head(dietox, 5)
   Pig    Evit    Cu Litter Start   Weight      Feed Time
1 4601 Evit000 Cu000      1  26.5 26.50000        NA    1
2 4601 Evit000 Cu000      1  26.5 27.59999  5.200005    2
3 4601 Evit000 Cu000      1  26.5 36.50000 17.600000    3
4 4601 Evit000 Cu000      1  26.5 40.29999 28.500000    4
5 4601 Evit000 Cu000      1  26.5 49.09998 45.200001    5

我正在尝试拟合 GEE 模型来预测数据框每一行的 Weight。

    library(gee)
    library(dplyr)

    > model1 <- gee(Weight ~ Start + Feed, id=Pig, data=dietox, corstr="exchangeable")
    > model1

 GEE:  GENERALIZED LINEAR MODELS FOR DEPENDENT DATA
 gee S-function, version 4.13 modified 98/01/27 (1998) 

Model:
 Link:                      Identity 
 Variance to Mean Relation: Gaussian 
 Correlation Structure:     Exchangeable 

Call:
gee(formula = Weight ~ Start + Feed, id = Pig, data = dietox, 
    corstr = "exchangeable")

Number of observations :  789 

Maximum cluster size   :  11 


Coefficients:
(Intercept)       Start        Feed 
  5.1539561   0.9384232   0.4294209

我现在希望能够向数据框添加一个新列-prediction，其中包含每行数据的预测权重值。这个想法是，我将能够在Time 变量的不同点将原始Weight 变量与prediction 变量进行比较。

当我尝试使用 mutate 和 predict 函数执行此操作时，我收到一条错误消息，指出模型拟合中使用的观测数 (789) 与原始数据框中的观测数不同 ( 861）。

> new_df <- dietox %>%
+   mutate(prediction = predict(model1))
Error: Column `prediction` must be length 861 (the number of rows) or one, not 789

我的问题是： 1. 如何提取 789 个观测值的数据框被用于模型拟合？ 2.为什么是观察次数模型中使用的拟合与观察总数不同在原始数据框中？

【问题讨论】：

标签： r panel-data

【解决方案1】：

模型拟合中使用的 789 个观测值是没有NA 的观测值。 NA 在Feed 列中有 72 个观察结果

sum(is.na(dietox$Feed))
#[1] 72

和789 + 72 为您提供完整的 861 观察。要获得您可以做的所有预测值

dietox$Prediction <- NA
dietox$Prediction[!is.na(dietox$Feed)] <- predict(model1)

head(dietox)
#    Weight      Feed Time  Pig Evit Cu Litter Prediction
#1 26.50000        NA    1 4601    1  1      1         NA
#2 27.59999  5.200005    2 4601    1  1      1   31.43603
#3 36.50000 17.600000    3 4601    1  1      1   36.76708
#4 40.29999 28.500000    4 4601    1  1      1   41.45324
#5 49.09998 45.200001    5 4601    1  1      1   48.63296
#6 55.39999 56.900002    6 4601    1  1      1   53.66306

模型中使用的值也存在于model1$y中。

【讨论】：