如何使用 fitted() 创建模型预测的新数据框到运行现有 lm/lmer 具有交互作用的模型？

Question

由于缺乏更好的措辞：我需要从现有数据帧创建一个新的数据帧到运行一个 lm/lmer 模型以获得模型预测。

假设我有：

    x <- as.numeric(rep(1:6,5))
    y <- as.numeric(rep(1:5,6))
    int1 <- factor(rep(c("a","b"),15))
    int2 <- factor(rep(c("11","12","13"),10))
    g <- rep(c("f","m"),15)
    df <- data.frame(x,y,int1,int2,g)

    head(df)
    #  x y int1 int2 g
    #1 1 1    a   11 f
    #2 2 2    b   12 m
    #3 3 3    a   13 f
    #4 4 4    b   11 m
    #5 5 5    a   12 f
    #6 6 1    b   13 m

    library(lme4)
    mod <- lmer(y ~ x + int1*int2 + (1|g), data=df) #model I need

    #OR:   
    #mod <- lm(y ~ x + int1*int2, data=df) #might be enough, don't need                    
    #random effects in new df.

现在我需要为运行拟合模型创建一个新的 df 以获得预测。我只关心交互项（2x3 交互），但显然，新的 df 需要具有所有固定效果，否则会引发错误。随机效应被排除在外。新的 df 具有标准误差和置信区间边界。

大致应该是这样的：

    > foo                       
     int1/int2fit     se    lwr     upr 
        11  68.86   2.03    64.91   72.86   #main effect
        12  43.44   5.78    32.50   55.10   #main effect
        13  38.77   4.14    31.12   47.19   #main effect
        a   36.81   5.87    26.05   48.72   #main effect
        b   34.58   3.59    27.55   41.71   #main effect
        11a 28.04   4.40    19.87   37.31   #interaction term
        11b 32.69   3.92    25.28   40.48   #interaction term
        11c more numbers    …   …           #interaction term
        12a …   …   …   …                   #interaction term
        12b …   …   …   …                   #interaction term
        12c …   …   …   …                   #interaction term
        13a …   …   …   …                   #interaction term
        13b …   …   …   …                   #interaction term
        13c …   …   …   …                   #interaction term

我使用的代码如下。它不起作用，错误在第一行。

    newdata <- data.frame(int1 = levels(df$int1), int2 = levels(df$int2),         
    x = range(df$x)) #wrong. How change it?
    fitmod = fitted(mod, newdata = newdata, re_formula = NA, summary =  
                    T)*100       #convert to %
    colnames(fitmod) = c('fit', 'se', 'lwr', 'upr')
    foo = cbind(newdata, fitmod)

创建一个额外的列组合 int1 和 int2 也不起作用。如果模型只有一个作为因素的预测变量，它将是：

    newdata <- data.frame(int1 = levels(df$int1))

如何正确设置此 df 以获得所有正确的系数？非常感谢

Answer 1

最容易使用modelr:

newdat <- modelr::data_grid(df, .model = mod)
newdat$pr <- predict(mod, newdat)

但听起来您可能正在改用 emmeans？

emmeans::emmeans(mod, ~int1:int2)

如何使用 fitted() 创建模型预测的新数据框到运行现有 lm/lmer 具有交互作用的模型？

How create new dataframe of model predictions using fitted() to run existing lm/lmer model with interaction?

r

lme4

dataframe

如何使用 fitted() 创建模型预测的新数据框到 运行 现有 lm/lmer 具有交互作用的模型？

How create new dataframe of model predictions using fitted() to run existing lm/lmer model with interaction?

r

lme4

dataframe

如何使用 fitted() 创建模型预测的新数据框到运行现有 lm/lmer 具有交互作用的模型？