忽略 R 中 lme4 的系数时进行预测

Question

我有一个带有mod <- lmer(value ~ time + study + (1|participant)) 形式的因子的模型，我对研究系数并不真正感兴趣，但出于各种原因希望将其保持为固定值。但我想在没有研究系数影响的情况下从mod 进行预测。我已经对学习系数进行了总和编码，因此我真的只需要一种方法来删除学习系数。

手动根据系数计算预测似乎有点麻烦。我想另一种选择是用零替换研究系数（Replace lmer coefficients in R）

有更好的想法吗？

一个最小的例子：

library("lme4")
df <- data.frame(
  participant = as.factor(c(1,1,1,2,2,2,3,3,3,4,4,4)),
  time = as.factor(c(1,2,3,1,2,3,1,2,3,1,2,3)),
  study = as.factor(c("A", "A", "A", "B", "B", "B", "A","A", "A", "C", "C", "C")),
  value = c(1,2,3,3,4,1,3,5,3,1,7,2)
)

contrasts(df$study) = contr.sum(length(unique(df$study)))

mod <- lmer(value ~ time + study + (1|participant), data = df)

predict(mod, newdata = data.frame(time = as.factor(c(1,2,3))), re.form=NA)

Answer 1

这对我来说没有多大意义。如果您想忽略study 的影响，您只需将其排除在用于预测的模型之外。如果要将其包含在模型中，则需要将其包含在预测中。

假设您只想使用time 进行预测。您可以通过为您希望预测的每个time 值复制整个study 列并平均结果来提供study 的加权平均值：

mod <- lmer(value ~ time + study + (1|participant), data = df)

pred_df <- data.frame(time = as.factor(rep(c(1,2,3), each = nrow(df))),
                      study = rep(df$study, 3))

preds <- predict(mod, newdata = pred_df, re.form = NA)

tapply(preds, pred_df$time, mean)
#>    1    2    3 
#> 2.00 4.50 2.25

但请注意，这相当于将 study 完全排除在模型之外：

mod <- lmer(value ~ time + (1|participant), data = df)

predict(mod, newdata = data.frame(time = as.factor(c(1,2,3))), re.form = NA)
#>    1    2    3 
#> 2.00 4.50 2.25