我有一些不同鱼类种群的数据，采样时间约为 5 年，但模式非常不规则。有时样品之间有几个月，有时一个月有几个样品。还有很多 0 计数
如何处理这样的数据？
我可以很容易地在 R 中绘制它，但是这些图表并不是特别有启发性，因为它们非常颠簸。
在建模方面 - 将物种建模为各种事物的函数 - 可能是混合模型（又名多级模型）。
欢迎任何参考或想法
回应评论的一些细节
大约有15种。
我试图了解每条鱼的任何趋势或季节性，并查看这些物种之间的关系（我的客户最初想要一个简单的相关表）
目标是描述性和分析性的，而不是预测性的
进一步编辑：我确实找到了 K. Rehfield 等人的这篇论文，其中建议使用高斯核来估计高度不规则时间序列的 ACF
http://www.nonlin-processes-geophys.net/18/389/2011/npg-18-389-2011.pdf
我花了很多时间为不均匀间隔的时间序列构建一个通用框架：http: //www.eckner.com/research.html
另外，我写了一篇关于不均匀时间序列的趋势和季节性估计的论文。
我希望你会发现结果有帮助！
我不知道混合模型是否非常合适（使用标准包，其中随机效应结构是线性预测器），除非您认为所有时间点的数据在某种意义上应该可以相互交换（在这种情况下不规则间隔不是问题） - 它不会真正以合理的方式对时间自相关进行建模。有可能你可以欺骗 lmer() 做一些自私的事情，但你现在到底是怎么做的，我现在不知道（我可能没有想清楚）。另外，我不确定在混合模型场景中引起自相关的“分组变量”是什么。
如果时间自相关是一个令人讨厌的参数并且您不希望它太大，那么您可以将数据分成在相关性方面彼此基本不相交的时期（例如，在没有数据的月份将时间序列分开）并将它们视为独立的复制品。然后，您可以在此修改后的数据集上执行类似 GEE 的操作，其中“集群”由您所在的时代定义，工作相关矩阵的条目是观测值相距多远的函数。如果你的回归函数是正确的，那么即使相关结构被错误指定，你仍然会得到回归系数的一致估计。这也将允许您将其建模为计数数据，例如，使用对数链接（就像泊松回归中通常那样）。您还可以在物种之间建立一些差异相关性，其中每个时间点被视为物种计数的多元向量，时间点之间存在一些时间衰减的关联。这将需要一些预处理来欺骗标准 GEE 包执行此操作。
如果时间自相关不是令人讨厌的参数，我会尝试更像结构化协方差模型的东西，在该模型中，您将整个数据集视为对大多元向量的一个观察，这样观察之间的协方差关于物种是
在哪里是某个参数函数，已知参数数量有限，，以及一些控制平均结构的参数。您可能需要为这样的模型“构建自己的”，但如果有 MPLUS 包可以为计数数据执行此类操作，我也不会感到惊讶。