merTools predictInterval() 用于具有嵌套随机效应的模型

Question

merTools 包中的predictInterval() 不喜欢嵌套随机效果吗？例如，使用ggplot2 包中的msleep 数据集：

library("lme4")
library("merTools")
library("ggplot2")
mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep) 

返回错误：

Error in '[.data.frame'(newdata, , j) : undefined columns selected

这运行正常没问题：

mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep)

（实际上它给出了关于随机效应变量中NA 级别的警告，但我并不担心）

更新

正如下面 Ben Bolker 回答的 cmets 中所讨论的，merTools 的新版本考虑了嵌套随机效应。但是，当我尝试预测包含新级别的嵌套随机效应的数据时，会出现错误。

这行得通：

mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
predInt <- predictInterval(merMod=mod, newdata=msleep) 

这很有效，尽管有几个警告（有关警告的其他问题，请参见下文*）：

mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
msleep2 <- msleep %>% mutate(vore = "omni")
predInt <- predictInterval(merMod=mod, newdata=msleep2) 

但这不起作用：

mod <- lmer(sleep_total ~ bodywt + (1|vore/order), data=msleep)
msleep2 <- msleep %>% mutate(vore = "omni")
predInt <- predictInterval(merMod=mod, newdata=msleep2) 

出现以下错误：

Error in `[.data.frame`(tmp, alllvl) : undefined columns selected
In addition: Warning message:
In predictInterval(merMod = mod, newdata = msleep3) :
  newdata is tbl_df or tbl object from dplyr package and has been
              coerced to a data.frame

在这里，"omni" 实际上并不是 vore 的新级别，但是当与 order 结合时，它会创建新的变量嵌套组合。

如果我使用"new" 或其他任何不是vore 观察级别的东西，我会得到类似的结果：它适用于模型的非嵌套版本，但不适用于嵌套版本。

---

*另外，我是否应该关注上面第二个模型块给出的警告：

> mod <- lmer(sleep_total ~ bodywt + (1|vore) + (1|order), data=msleep)
> msleep2 <- msleep %>% mutate(vore = "omni")
> predInt <- predictInterval(merMod=mod, newdata=msleep2)
Warning messages:
  1: In predictInterval(merMod = mod, newdata = msleep2) :
     newdata is tbl_df or tbl object from dplyr package and has been
       coerced to a data.frame
  2: In chol.default(sigma, pivot = TRUE) :
     the matrix is either rank-deficient or indefinite

我猜第二个是vore 对每个观察值取相同值的结果，但这不应该是预测的问题，不是吗？如果在我拟合模型时变量取相同的值，我可以看到这是一个问题，但在预测新观察时不认为这应该是一个问题？

Answer 1

可以（显然）通过明确写出交互术语来解决此问题。 警告：我实际上并没有检查以确保结果预测是正确的，只是看到没有产生错误并且结果对象是近似合理的......

msleep <- transform(msleep,voreOrder=interaction(vore,order,drop=TRUE))
mod2 <- lmer(sleep_total ~ bodywt + (1|vore)+(1|voreOrder), data=msleep)
predInt <- predictInterval(merMod=mod2, newdata=msleep) 

这确实会生成警告消息，但显然它们是由于vore 变量中的<NA> 值（我不知道这个数据集...）