gammモデルエラーからのランダムなエフェクトの予測： 'newdata'で希望のレベルのグループを評価できません

Question

newdata引数を使用してgammモデル（mgcvパッケージ）から予測を生成しようとしています。私はモデルのlme部分に予測をしたいので、予測にはランダム効果が含まれています。しかし、私は、モデル係数がどのように名付けられているかに起因して、問題に取り組んでいる、と私は思う。

私の質問は、予測を可能にするために、どのように構造化/名前付けされるべきですか。ありがとう。

エラー

Error in predict.lme(mod$lme, newdata = d) : cannot evaluate groups for desired levels on 'newdata'

---

私はスプライン条件なしnlmeでモデルを実行した場合に生成MWE

mod <- gamm(outcome ~ s(time) + predvar, data=d, 
         random=list(groupvar=~1), 
         correlation = corARMA(form=~1|groupvar, p = 1))  
# okay 
pred <- predict(mod$lme) 

# Not okay 
pred <- predict(mod$lme, newdata=d) 

、newdataは問題なく実行

mod2 <- lme(outcome ~ time + predvar, data=d, 
         random=list(groupvar=~1), 
         correlation = corARMA(form=~1|groupvar, p = 1))  
# okay 
pred2 <- predict(mod2, newdata=d) 

---

d <- structure(list(time = c(0, 1, 2, 3, 4, 5, 6, 3, 4, 5, 6, 7, 8, 
9, 10, 11, 12, 13, 14, 15, 16, 17, 5, 6, 7, 8, 9, 10, 11, 12, 
13, 14), outcome = c(-1.85, -1.57, -1.38, -1.22, -1.27, -1.63, 
-2.07, -1.36, -0.33, 0.08, 0.3, 0.44, 0.78, 1.03, 1.13, 1.14, 
1.05, 0.94, 0.73, 0.51, 0.08, 0.01, 0.42, 0.59, 0.71, 0.79, 0.87, 
0.75, 0.6, 0.38, 0.01, -0.63), predvar = c(-1.83, -1.77, -1.7, 
-1.84, -1.84, -1.72, -1.69, 0.01, -0.07, 0.16, -0.04, 0.04, 0.25, 
0.19, 0.17, 0.22, 0.34, 0.54, 0.7, 0.81, 0.92, 1.12, 0.58, 0.63, 
0.63, 0.68, 0.62, 0.56, 0.61, 0.73, 0.92, 1.07), groupvar = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("a", 
"b", "c"), class = "factor")), .Names = c("time", "outcome", 
"predvar", "groupvar"), row.names = c(NA, -32L), class = "data.frame") 

情報：私は（スプライン（Sなどのランダム効果を指定していません。 、bs = "re"））は、上記の例より複雑です。

Answer 1

ランダムな効果が必要な場合は、新しいデータについての予測を行い、モデルのgam部分の予測を行い、ランダム効果を追加します。上記の例を使用し

、

library(mgcv) 

mod <- gamm(outcome ~ s(time) + predvar, data=d, 
         random=list(groupvar=~1), 
         correlation = corARMA(form=~1|groupvar, p = 1))  
# For comparison: predict with RE: we cant use the newdata arg here 
pred <- predict(mod$lme) 

# Extract the random effects from the model and match with the relevant observation 
re <- coef(mod$lme)[ncol(coef(mod$lme))] 
pred_ref <- re[[1]][match(d$groupvar, gsub(".*/", "", rownames(re)))] 

# Predict on gam part of model and adjust for RE 
pred2 <- as.vector(predict(mod$gam, data=d) - pred_ref) 

# Compare 
all.equal(pred, pred2, check.attributes = F, use.names = F)