r - 如何从混合效果中提取随机截距 Tidymodels

Question

我正在尝试使用 lme4 和 multilevelmod 从 tidymodels 中提取随机截取。我可以使用下面的 lme4 来做到这一点:

使用 R 和 lme4:

library("tidyverse")
library("lme4")

# set up model
mod <- lmer(Reaction ~ Days + (1|Subject),data=sleepstudy)

# create expanded df
expanded_df <- with(sleepstudy,
                    data.frame(
                      expand.grid(Subject=levels(Subject),
                                  Days=seq(min(Days),max(Days),length=51))))

# create predicted df with **random intercepts**
predicted_df <- data.frame(expanded_df,resp=predict(mod,newdata=expanded_df))

predicted_df 

# plot intercepts
ggplot(predicted_df,aes(x=Days,y=resp,colour=Subject))+
       geom_line() 

使用 tidymodels:

# example from
# https://github.com/tidymodels/multilevelmod
library("multilevelmod")
library("tidymodels")
library("tidyverse")
library("lme4")
#> Loading required package: parsnip
data(sleepstudy, package = "lme4")


# set engine to lme4
mixed_model_spec <- linear_reg() %>% set_engine("lmer")


# create model
mixed_model_fit_tidy <- 
  mixed_model_spec %>% 
  fit(Reaction ~ Days + (1 | Subject), data = sleepstudy)


expanded_df_tidy <- with(sleepstudy,
                    data.frame(
                      expand.grid(Subject=levels(Subject),
                                  Days=seq(min(Days),max(Days),length=51))))



predicted_df_tidy <- data.frame(expanded_df_tidy,resp=predict(mixed_model_fit_tidy,new_data=expanded_df_tidy))


ggplot(predicted_df_tidy,aes(x=Days,y=.pred,colour=Subject))+
       geom_line()

使用 predict() 函数似乎只能给出固定效应预测。

有没有办法从 tidymodels 和 multilevelmod 中提取随机截取？我知道该包仍在开发中，因此现阶段可能无法实现。

Answer 1

我认为您可以按如下方式解决此问题:

predicted_df_tidy <- mutate(expanded_df_tidy,
       .pred = predict(mixed_model_fit_tidy,
                       new_data=expanded_df_tidy, 
                       type = "raw", opts=list(re.form=NULL)))

• bind_cols() 而不是 mutate() 在某些情况下可能有用？
• 问题在于multilevelmod internally sets the default for prediction to re.form = NA ;上面的代码将其重置为 re.form = NULL (这是 lme4 默认值，即在预测中包含所有随机效应)

如果您确实想要随机拦截(仅)，我想您可以predicted_df_tidy %>% filter(Days==0)

PS如果你想对此更加“整洁”，我认为你可以使用purrr::cross_df()代替expand.grid并通过管道传输结果直接到 mutate() ...