如何将我建立的模型拟合到另一个数据集并获得残差？答案

【问题标题】：How to fit a model I built to another data set and get residuals?如何将我建立的模型拟合到另一个数据集并获得残差？
【发布时间】：2013-03-04 23:41:07
【问题描述】：

我将混合模型拟合到数据 A 如下：

model <- lme(Y~1+X1+X2+X3, random=~1|Class, method="ML", data=A)

接下来，我想看看模型如何拟合数据 B 并获得估计的残差。 R中是否有我可以使用的函数？

（我尝试了以下方法，但得到了所有新系数。）

model <- lme(Y~1+X1+X2+X3, random=~1|Class, method="ML", data=B)

【问题讨论】：

你试过predict(model,data_B) - data_B$Y或类似的东西吗？
还没有，因为我不知道。谢谢！
您应该谨慎使用预测。模型的微小变化可能会导致不同的结果。

标签： r statistics

【解决方案1】：

您在第二次尝试使用 data=B 时获得新系数的原因是函数 lme 使用您提供的公式返回适合您的数据集的模型，并将该模型存储在变量 model 中您已选择。

要获取有关模型的更多信息，您可以输入summary(model_name)。 nlme 库包含一个名为 predict.lme 的方法，它允许您根据拟合模型进行预测。您可以键入 predict(my_model) 以使用原始数据集获取预测，或如上所述键入 predict(my_model, some_other_data) 以使用该模型但使用不同的数据集生成预测。

在您的情况下，您只需从观察值中减去预测值即可获得残差。所以使用predict(my_model,some_other_data) - some_other_data$dependent_var，或者在你的情况下使用predict(model,B) - B$Y。

【讨论】：

【解决方案2】：

你是模特：

模型

2 个基于您的模型的预测：

pred1=predict(model,newdata=A,type='response')
pred2=predict(model,newdata=B,type='response')

missed：计算误报百分比的函数，截止设置为 0.5。
（预测为真，但实际上这些观察结果并不积极）

missed = function(values,prediction){sum(((prediction > 0.5)*1) != 值）/长度（值）}

错过（A，pred1）
错过(B,pred2)

【讨论】：