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，最好将纵向数据纵向排列（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？
线性回归不适用于多级模型。
混合效应模型是拟合大多数多级模型的好方法。
在 python 中，您可以使用mixedlm. statsmodels例如：
In [1]: import statsmodels.api as sm
In [2]: import statsmodels.formula.api as smf
In [3]: data = sm.datasets.get_rdataset("dietox", "geepack").data
In [4]: md = smf.mixedlm("Weight ~ Time", data, groups=data["Pig"])
In [5]: mdf = md.fit()
In [6]: print(mdf.summary())
Mixed Linear Model Regression Results
========================================================
Model: MixedLM Dependent Variable: Weight
No. Observations: 861 Method: REML
No. Groups: 72 Scale: 11.3669
Min. group size: 11 Log-Likelihood: -2404.7753
Max. group size: 12 Converged: Yes
Mean group size: 12.0
--------------------------------------------------------
Coef. Std.Err. z P>|z| [0.025 0.975]
--------------------------------------------------------
Intercept 15.724 0.788 19.952 0.000 14.179 17.268
Time 6.943 0.033 207.939 0.000 6.877 7.008
Group Var 40.394 2.149
========================================================