我使用各种函数来拟合离散计数数据以进行比较。我使用 GEE 模型拟合geepack，线性混合效应模型log(count) using lme (nlme），GLMM 使用glmer (lme4）和 GAMM 使用gamm4 (gamm4) in R.
我有兴趣比较这些模型，并希望绘制一组新数据（预测变量）的预期（预测）值。我的目标是比较每个模型在特定条件（x 个变量）下的预测效果。特别令人感兴趣的是边际 (GEE) 和条件估计之间的比较。
我认为我的主要问题可能是使用正确的标签和属性等以正确的形式获取新数据。我仍然是一个 R 新手，并且在这些方面很挣扎（不幸的是，我的大学没有这方面的课程）。
我目前已安装型号
gee1 lme1 lmer1 gamm1
并且可以毫无问题地提取它们的固定效应系数和标准误差。我也没有问题从对数尺度转换它们或估计随机效应的置信区间。
我也有我的新数据框newdat其中有 23 个变量的 365 个观测值（一年中每一天的平均环境数据）。
我陷入了如何从中预测新的计数估计的困境。我尝试了 model.matrix 函数，但无法让它工作。例如，我尝试过：
mm = model.matrix(terms(glmm1), newdat) # Error in model.frame.default(object,
# data, xlev = xlev) : object is not a matrix
newdat$pcount = mm %*% fixef(glmm1)
任何建议或好的参考将不胜感激。任何人都可以帮助解决上面的错误吗？
获取 lme() 和 lmer() 的预测记录在http://glmm.wikidot.com/faq http://glmm.wikidot.com/faq
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
