Tengo el siguiente data.framed de un experimento:

- Variable y (response, continuous)
- Factor f (500 levels)
- Time t (posixct)

En los últimos 8 años, y se midió aproximadamente una vez al mes (fecha exacta en t) para cada nivel de f. A veces hay 2 medidas por mes, a veces se pasan un par de meses sin ninguna medida.

Lo siento por no proporcionar datos de ejemplo, pero inventar series temporales irregulares va más allá de mi conocimiento de R. ;)

Me gustaría hacer lo siguiente con estos datos:

hacer una regresión usando laloess() función(y ~ t), para cada nivel defhaga una predicción dey para el primer día de cada mes y cada nivel def

El primer punto que creo que resolví usando la respuesta de Hadley aest pregunta:

models <- dlply(d, "f", function(df) loess(y ~ as.numeric(t), data = df))

Entonces, ahora tengo unmodels (claselist), con un modelo para cada nivel def. También creé tiempos para los que me gustaría predeciry para cada nivel def Me gusta esto

dates <- seq(min(t),max(t),"months")

Pero ahora estoy atascado en cómo hacer predicciones para cada modelo. Algo como esto debería funcionar (pseudocódigo):

for each f in models
    p.f <- predict(models(f),dates)
    p.f.complete <- r.bind(p.f.comlete,p.f)
next f

Como resultado, me gustaría tener este data.frame:

y.predictedf t.predicted (= fechas)

Cualquier ayuda sería muy apreciada.