我有一段时间的年度数据(纵向数据(，对许多受试者进行了重复测量。我认为我需要多层次的建模/回归来处理同一个人随着时间的推移必然相关的测量集群。目前，每年的数据都在单独的表格中。
我想知道scikit学习中是否有一种方法，比如LinearRegression((，能够进行多级回归，其中1级是多年来的所有数据，2级是针对受试者的聚类(每个受试者随时间的测量结果的聚类(。如果是这样的话，最好将纵向数据按长度排列(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自己的一行(。
有办法做到这一点吗？
多级模型中随机效应的估计是不平凡的，通常必须采用贝叶斯推理方法。
我建议您查看贝叶斯推理包，如pymc3或BRMS(如果您知道R(，在其中可以指定这样的模型。或者，看看R中的lme4包，了解多级模型的完全频繁实现。
此外，我认为你将能够从"；睡眠剥夺"；数据集，用作纵向数据分析的教科书示例(https://cran.r-project.org/web/packages/lme4/vignettes/lmer.pdf)第4页
要在pymc3中开始，请查看此处：
https://github.com/fonnesbeck/Bios8366/blob/master/notebooks/Section4_7-Multilevel-Modeling.ipynb