R 中的预测 - GLMM

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)

We use:

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

ou 预测(mm, n11)

取决于我们感兴趣的内容，没问题。

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

我尝试这样做

 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？

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 的水平只有一个水平，而模型期望三个水平。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，并且您必须专门创建一个与训练模型的数据中使用的级别相同的变量。

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)