如何在混合效应模型面板数据中设置周度预测及构建模型

一、模型架构落地 #

• 固定效应设置：针对整体数据的共性驱动因素（比如宏观市场基准、全品类通用促销规则等）设置固定效应，比如宏观经济指标、全平台促销活动这类不随PPG组变化的变量，直接纳入模型固定部分，形式如 fixed = ~ 宏观指标 + 全品类促销。
• PPG/产品组随机效应：为每个PPG组设置随机截距，同时可加入关键变量的随机斜率（比如不同产品组的价格弹性、促销敏感度差异），形式为 random = ~ 1 + 价格 + 促销 | PPG_ID。这种设置既能捕捉组间异质性，又能通过收缩估计提升小样本组的参数稳定性。

二、周度预测 vs 通用预测的选择与实现 #

1. 通用预测（无需周维度） #

如果你的研究目标是验证方法论有效性、分析变量的平均效应，或是服务于长期产品组策略制定这类无明确时间要求的场景，通用预测完全够用：

• 直接用拟合好的模型，代入新的PPG组特征、固定效应变量值，即可输出基于总体趋势和组异质性的平均预测结果。
• 遇到新的PPG组时，模型会自动基于已有组的随机效应分布生成收缩后的预测值，无需额外调整。

2. 周度预测实现 #

若需要做短期周度销量/表现预测，必须把时间维度纳入模型：

• 第一步：将周时间转化为连续索引（比如从数据起始周开始编码为1、2...），同时加入季节虚拟变量（比如季度哑变量，或52周的周度哑变量）捕捉季节性趋势，这些都作为固定效应纳入模型。
• 第二步：针对PPG组，可考虑加入组-周交互的随机效应，或者引入自相关项（比如AR(1)）处理周度数据的序列相关性——CPG数据普遍存在周度季节性，这一步能大幅提升预测精度。
• 第三步：预测未来周时，代入对应周的时间索引、季节特征以及PPG组的变量值，模型会结合固定时间趋势、组异质性输出周度预测值。如果是滚动预测，建议采用滑动时间窗重新拟合模型，适配最新的市场变化。

三、R语言实操代码示例（lme4包） #

library(lme4)
library(dplyr)

# 数据预处理：生成周索引与季节哑变量
cpg_data <- cpg_data %>%
  mutate(week_idx = as.integer(factor(week_date)), # 把周日期转成连续索引
         quarter = case_when(
           week_idx %% 52 %in% 1:13 ~ "Q1",
           week_idx %% 52 %in% 14:26 ~ "Q2",
           week_idx %% 52 %in% 27:39 ~ "Q3",
           TRUE ~ "Q4"
         )) %>%
  mutate(across(quarter, factor))

# 构建含周度趋势的混合效应模型
mix_model <- lmer(
  sales ~ 1 + price + promotion + week_idx + quarter + (1 + price + promotion | PPG_ID),
  data = cpg_data
)

# 通用预测：新PPG组的平均表现
new_general_data <- data.frame(
  price = 6.99,
  promotion = 0,
  week_idx = median(cpg_data$week_idx), # 取平均周索引代表通用场景
  quarter = "Q3",
  PPG_ID = "NEW_PPG_007"
)
predict(mix_model, newdata = new_general_data, allow.new.levels = TRUE)

# 周度预测：指定未来周的预测
new_weekly_data <- data.frame(
  price = 6.49,
  promotion = 1,
  week_idx = 120, # 未来第120周
  quarter = "Q4",
  PPG_ID = "EXIST_PPG_003"
)
predict(mix_model, newdata = new_weekly_data)

四、关键注意点 #

• 若周度季节性极强，建议用傅里叶项替代季度哑变量，减少模型自由度浪费，同时更精准捕捉季节性。
• 检查残差自相关性：用 acf(resid(mix_model)) 查看，若存在显著自相关，可改用nlme包的lme模型加入AR(1)项。
• 新PPG组预测时，allow.new.levels = TRUE 参数会基于已有组的随机效应分布生成合理的收缩预测值，无需重新拟合整个模型。

内容的提问来源于stack exchange，提问作者Phin0503