Можно ли рассчитать прогнозируемые вероятности для каждого уровня случайного эффекта?

Question

Я запустил обобщенную линейную смешанную модель с биномиальным распределением с успешным использованием начального числа в качестве ответа (Да / Нет). Индивидуальный идентификатор - это случайный эффект. Можно ли рассчитывать не только прогнозируемые вероятности на основе фиксированных эффектов, но и для каждого отдельного человека?

Я хочу иметь возможность сказать, какова прогнозируемая вероятность успеха с 95% доверительным интервалом для каждого человека.

Answer 1

Вы можете использовать пакет ggeffects . Прогнозируемые вероятности для разных субъектов должны работать так же, как и для линейных моделей, и подробно описано здесь .

Однако в настоящее время вы не можете получить доверительные интервалы для случайных эффектов при вычислении. прогнозируемые значения для групповых уровней / субъектов ... (приветствуются любые подсказки, как это реализовать!)

Пример:

library(lme4)
#> Loading required package: Matrix
library(ggeffects)

data("cbpp")
set.seed(123)
cbpp$cont <- rnorm(nrow(cbpp))

# categorical predictor
m1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), 
            data = cbpp, family = binomial)

me <- ggpredict(m1, terms = c("period", "herd [1,5,10,15]"), type = "re")
plot(me)
#> Loading required namespace: ggplot2

# continuous predictor
m2 <- glmer(cbind(incidence, size - incidence) ~ I(cont^2) + (1 | herd), 
            data = cbpp, family = binomial)

me <- ggpredict(m2, terms = c("cont", "herd [1,5,15]"), type = "re")
#> Model contains polynomial or cubic / quadratic terms. Consider using `terms="cont [all]"` to get smooth plots. See also package-vignette 'Marginal Effects at Specific Values'.
plot(me)

^{Создано 17.06.2020 с помощью пакета . (v0.3.0)}