对混合效应模型的预测：如何处理随机效应？

让我们考虑这个假设的数据集：

set.seed(12345)

num.subjects <- 10

dose <- rep(c(1,10,50,100), num.subjects)
subject <- rep(1:num.subjects, each=4)
group <- rep(1:2, each=num.subjects/2*4)

response <- dose*dose/10 * group + rnorm(length(dose), 50, 30)

df <- data.frame(dose=dose, response=response, 
                 subject=subject, group=group)

我们可以使用lme随机效应模型对响应进行建模：

require(nlme)
model <- lme(response ~ dose + group + dose*group, 
             random = ~1|subject, df)

我想使用predict该模型的结果来获取例如第1组的一般主题对剂量10的响应：

pred <- predict(model, newdata=list(dose=10, group=1))

但是，使用此代码，我得到以下错误：

Error in predict.lme(model, newdata = list(dose = 10, group = 1)) : 
cannot evaluate groups for desired levels on 'newdata'

例如，要摆脱它，我需要做

pred <- predict(model, newdata=list(dose=10, group=1, subject=5))

但是，这对我而言并没有太大的意义...在我的模型中，该主题是一个令人讨厌的因素，因此必须将其包括在什么意义上predict？如果我输入的主题编号未出现在数据集中，则predict返回NA。

这是这种情况下的通缉行为predict吗？我是否真的缺少明显的东西？

mixed-model linear-model prediction

— 尼科
source

model

X β + Z γ

$X\beta + Z\gamma$

y \sim N (X β + Z γ, σ^{2} I)

$y \sim N(X\beta+Z\gamma, \sigma^2 I)$

Z

$Z$

— usεr11852

@ user11852：只是为了澄清，我正在考虑将其作为要使用的模型，例如在针对同一主题重复测量的情况下。

— nico，

Z

$Z$

@ user11852：我不是要对同一主题进行估算。为了获得人口估计数，我对各种主题做了重复测量。由于我已经有了实验性的答案，所以我不关心已经测试过的主题……我希望能够预测特定群体的新主题对刺激的反应。格雷格的回答确实解决了这个问题。

— nico

如果您查看帮助，predict.lme将会看到它有一个level参数，该参数确定进行预测的级别。默认值为最高或最里面，这意味着如果您未指定级别，则它将尝试在主题级别进行预测。如果您将其指定level=0为第一次predict致电的一部分（无subject），则它将在总体水平上给出预测，而无需主题编号。

— 格雷格·斯诺（Greg Snow）
source