R：X对Y变化的预测值？

更新：lme4软件包中的lmer功能可能会提供答案。

10名参与者接受了减肥计划，如下所示：

mydata<-as.data.frame(matrix(c(140,125,120,115,110,110,110,105,100,90,85,100,140,70,100,
100,140,120,220,190,90,100,120,60,90,110,130,110,120,140,NA,65,110,50,NA,90,120,NA,130,
150,NA,60,NA,45,NA,NA,110,NA,160,NA),nrow=10,dimnames=list(c(1:10),c("IQ","Weight.year.1"
,"Weight.year.2","Weight.year.3","Weight.year.4"))))

---

mydata这里没有统计学家，但是你不能把基线权重也放在模型中考虑进去吗？

这就是我想到的，快，脏：

library(dplyr)
library(tidyr)

mydata<-as.data.frame(matrix(c(140,125,120,115,110,110,110,105,100,90,85,100,140,70,100,
                                     100,140,120,220,190,90,100,120,60,90,110,130,110,120,140,NA,65,110,50,NA,90,120,NA,130,
                                     150,NA,60,NA,45,NA,NA,110,NA,160,NA),nrow=10,dimnames=list(c(1:10),c("IQ","Weight.year.1"
                                                                                                                                ,"Weight.year.2","Weight.year.3","Weight.year.4"))))

newdata <- mydata %>%
gather("period", "weight", -IQ) %>%
mutate(period = gsub("Weight.year.", "", period) %>% as.integer()) %>%
full_join(mydata, by = "IQ")

lm( weight ~ IQ + Weight.year.1 + period, data = newdata ) %>% summary()

库（dplyr）
图书馆（tidyr）
mydata%
变异（period=gsub（“Weight.year.”，“”，period）%>%as.integer（））%>%
完全联接（mydata，by=“IQ”）
lm（体重~智商+体重.年份.1+期间，数据=新数据）%>%汇总（）

这导致：

电话：
lm（公式=体重~IQ+体重。年份。1+期间，数据=新数据）

残差：
最小1季度中值3季度最大值
-43.978-14.2480.136 13.100 47.484

系数：
估计标准误差t值Pr（>t）

（截距）150.79400 52.30548 2.883 0.00602**
智商-0.70584 0.39301-1.796 0.07921。

重量。年份。10.45839 0.09481 4.835 1.59e-05***

期间-8.53867 2.97500-2.870 0.00623**
签名。代码：0''0.001''0.01''0.05''0.1''1

剩余标准误差：45自由度时为21.03
（15项观察因缺失而删除）
倍数R平方：0.6019，调整后的R平方：0.5753
F-统计量：3和45 DF上的22.68，p-值：4.286e-09

这里没有统计学家，但是你不能通过将基线权重也放入模型中来考虑基线权重吗？

这就是我想到的，快，脏：

library(dplyr)
library(tidyr)

mydata<-as.data.frame(matrix(c(140,125,120,115,110,110,110,105,100,90,85,100,140,70,100,
                                     100,140,120,220,190,90,100,120,60,90,110,130,110,120,140,NA,65,110,50,NA,90,120,NA,130,
                                     150,NA,60,NA,45,NA,NA,110,NA,160,NA),nrow=10,dimnames=list(c(1:10),c("IQ","Weight.year.1"
                                                                                                                                ,"Weight.year.2","Weight.year.3","Weight.year.4"))))

newdata <- mydata %>%
gather("period", "weight", -IQ) %>%
mutate(period = gsub("Weight.year.", "", period) %>% as.integer()) %>%
full_join(mydata, by = "IQ")

lm( weight ~ IQ + Weight.year.1 + period, data = newdata ) %>% summary()

库（dplyr）
图书馆（tidyr）
mydata%
变异（period=gsub（“Weight.year.”，“”，period）%>%as.integer（））%>%
完全联接（mydata，by=“IQ”）
lm（体重~智商+体重.年份.1+期间，数据=新数据）%>%汇总（）

这导致：

电话：
lm（公式=体重~IQ+体重。年份。1+期间，数据=新数据）

残差：
最小1季度中值3季度最大值
-43.978-14.2480.136 13.100 47.484

系数：
估计标准误差t值Pr（>t）

（截距）150.79400 52.30548 2.883 0.00602**
智商-0.70584 0.39301-1.796 0.07921。

重量。年份。10.45839 0.09481 4.835 1.59e-05***

期间-8.53867 2.97500-2.870 0.00623**
签名。代码：0''0.001''0.01''0.05''0.1''1

剩余标准误差：45自由度时为21.03
（15项观察因缺失而删除）
倍数R平方：0.6019，调整后的R平方：0.5753
F-统计量：3和45 DF上的22.68，p-值：4.286e-09

嗯，这个问题可能（也？）与你的问题有关。然而，如果问题过于R-specific，人们往往会关闭它们。如果你交叉发帖，这是不受欢迎的，但有时在获得答案方面是最好的，请放置相互链接。嗯，这个问题可能（也？）与你有关。然而，如果问题过于R-specific，人们往往会关闭它们。如果你横过帖子，这是不赞成的，但有时在获得答案方面是最好的，请放置相互链接。