我已经使用各种函数来拟合我的离散计数数据以进行比较。我在 R 中使用geepack拟合 GEE 模型，log(count)使用lme( nlme ) 拟合线性混合效应模型，使用( lme4) 拟合GLMM，使用glmer( gamm4 ) 拟合GAMM。gamm4
我有兴趣比较这些模型，并想绘制一组新数据（预测变量）的预期（预测）值。我的目标是比较每个模型在特定条件下的预测效果（x 变量）。特别感兴趣的是边际（GEE）和条件估计之间的比较。
我认为我的主要问题可能是使用正确的标签和属性等以正确的形式获取新数据。我仍然是一个 R 新手，并且与这些东西斗争（不幸的是，我的大学没有这方面的课程）。
我目前已经安装了模型
gee1 lme1 lmer1 gamm1
并且可以毫无问题地提取它们的固定效应系数和标准误差。我也没有问题将它们从对数尺度转换或估计考虑随机效应的置信区间。
我还有我的新数据框newdat，其中包含 23 个变量的 365 个观测值（一年中每一天的平均环境数据）。
我被困在如何从中预测新的计数估计。我玩弄了 model.matrix 函数，但无法让它工作。例如，我试过：
mm = model.matrix(terms(glmm1), newdat) # Error in model.frame.default(object,
# data, xlev = xlev) : object is not a matrix
newdat$pcount = mm %*% fixef(glmm1)
任何建议或良好的参考将不胜感激。任何人都可以帮助解决上述错误吗？