我有随时间推移的年度数据（纵向数据），并对许多受试者进行重复测量。我认为我需要多级建模/回归来处理随着时间的推移对同一个人的肯定相关的测量集群。目前每年的数据都在单独的表格中。
我想知道 scikit-learn 中是否有一种内置方法，比如 LinearRegression()，它能够进行多级回归，其中 Level 1 是多年来的所有数据，Level 2 是集群上的受试者（每个受试者随时间测量的集群）。如果是这样，最好将纵向数据按长度排列（每个受试者随时间的测量都在一行中）或堆叠（每年的每个测量都是它自己的行）。
有没有办法做到这一点？
多级模型中随机效应的估计并非易事，您通常必须求助于贝叶斯推理方法。
我建议您查看贝叶斯推理包，例如 pymc3 或 BRMS（如果您知道 R），您可以在其中指定这样的模型。或者，查看 R 中的 lme4 包以获得多级模型的完全频繁实现。
另外，我认为您可以从“睡眠剥夺”数据集中获得一些灵感，该数据集用作纵向数据分析的教科书示例（https://cran.r-project.org/web/packages/lme4 /vignettes/lmer.pdf ) 第 4 页
要开始使用 pymc3，请查看此处：
https://github.com/fonnesbeck/Bios8366/blob/master/notebooks/Section4_7-Multilevel-Modeling.ipynb