机器算法验证 - 考虑 lme 线性混合模型中的异方差性？ - 吾爱随笔录

我有一个数据集，我在其中测量了细胞中存在的分子数量 (M) 作为药物（有或没有）和治疗天数（5 个时间点）的函数。我重复了这个实验 3 次，每次都使用来自不同供体的细胞。我目前正在尝试比较组之间的平均值。但是，这些数据不是正常的和异方差的，我正在研究如何最好地处理这个问题。

转换数据使数据集正常，但异方差仍然存在。我是一个统计新手，但我过去几天的阅读表明线性混合模型应该能够处理这个问题。lme主要基于 Pinhiero/Bates 的书，我使用in拼凑了以下模型R；varPower除了声明之外，它们是相同的。

model1 <- lme(sqrt(M) ~ drug + Days + drug*Days, 
            random = ~ 1+drug+Days+drug*Days|Donor, data=D)

model2 <- lme(sqrt(M) ~ drug + Days + drug*Days,
            random = ~ 1+drug+Days+drug*Days|Donor, data=D, varPower(form = ~fitted(.)) )

当我使用比较这两个模型anova()时，model2对数可能性显着增加。但是，当我检查针对拟合值或自变量绘制的标准化残差时，两个模型的图形具有相同的形状。请注意，残差的幅度略大，varPower()包括：

plot(model1, resid(., type="p") ~ fitted(.), abline=0)
plot(model1, resid(., type="p") ~ Days|drug, abline=0)

残差图

这些图之间的相似性是否意味着我未能充分考虑组之间的不等方差？

如果是这样，哪些方法可以产生足够的校正？此外，如果您对此处的适用性或模型的结构有任何一般性意见lme，也将受到欢迎！