潜类别增长分析：为观测值分配类别时出错的解决求助

问题详情 #

使用R语言lcmm包对纵向数据建模，尝试通过postprob获取潜类别后验概率并给每个观测分配类别时，触发以下错误：

Error in $<-.data.frame(tmp, groups, value = c(1L, 1L, 1L, 1L, 1L, : replacement has 39964 rows, data has 40000

使用的代码如下：

#install.packages("lcmm")
#devtools::install_github("hlennon/LCTMtools")

library(lcmm)
library(LCTMtools)

data( bmi_long, package = "LCTMtools" )
data <- data.frame(bmi_long)

data$id <- as.numeric(data$id)
data$x <-data$age
data$y<-as.numeric(data$bmi)
data <-subset(data, select=c("id", "x", "y"))

m1 <- lcmm(fixed=y ~ x, subject = 'id', data = data)
summary(m1)
postprob(m1)
data$id <- as.numeric(data$id)
groups <- as.data.frame(m1$pprob[,1:2])
data$groups <- factor(groups$class[sapply(data$id, function(x) which(groups$id==x))])

错误原因 #

m1$pprob存储的是每个去重个体的后验概率，每行对应一个唯一id；而原data是纵向数据，每个个体对应多行观测。当模型拟合时自动剔除了部分含缺失值或不符合要求的观测/个体，原data的行数就会大于groups关联后的结果行数，导致赋值时维度不匹配。

修复方案 #

方案1：直接使用postprob输出完整观测级后验概率 #

postprob函数支持传入原数据集，直接返回每个观测的后验概率，再提取最可能的类别：

# 获取每个观测的后验概率
pp_matrix <- postprob(m1, data = data)
# 为每个观测分配概率最高的类别
data$groups <- factor(apply(pp_matrix, 1, which.max))

方案2：用predict函数直接预测类别 #

lcmm的predict函数可以直接输出每个观测的预测类别，更简洁：

# 直接预测每个观测的潜类别
data$groups <- factor(predict(m1, data = data, type = "class"))

方案3：修复手动匹配逻辑（若需保留原思路） #

先筛选出模型实际使用的个体对应的观测，再进行匹配：

# 提取模型中包含的个体id
valid_ids <- groups$id
# 筛选原数据中仅包含有效id的观测
data_valid <- data[data$id %in% valid_ids, ]
# 用match函数精准匹配每个id对应的类别
data_valid$groups <- factor(groups$class[match(data_valid$id, groups$id)])

内容的提问来源于stack exchange，提问作者Katherine Drummond