lme4 - 交叉因子嵌套混合模型的正确公式

机器算法验证 r 混合模式 lme4-nlme 随机效应模型 交叉随机效应
2022-04-06 14:33:45

我在使用 R 中的 lme4 包验证交叉因子嵌套混合模型 anova 的正确表示法时遇到了一点麻烦。我的数据是实验性的，我应用了两种交叉处理（光和营养）并测量了藻类培养物的生长，并在 3分开的月份。我想在模型中指定光照和营养因子嵌套在一个月内。这不是三向交叉设计，因为每个月的藻类群落都不同。我认为月份是一个固定因素，因为它是时间依赖性的，但是光照和营养的应用是随机的，因为高低光照或营养水平可以推广到更广泛的自然条件（尽管我知道可以为相反）。

使用 lme4，我的交叉随机效应模型看起来像这样，尽管我不确定这是指定营养素和光嵌套在 Month 中的适当方法：

lmer(growth.day ~ (1|Light:Nutrients) + 
          (Month / Light:Nutrients), growth.dat)

输出中的某些内容似乎不正确。我考虑过使用aov(), 如下，但我不确定在描述Month为固定和Light * Nutrients随机时表示法是否正确：

aov(growth.day ~ Error(Light * Nutrients) + 
          (Month / (Light * Nutrients)), growth.dat)
1个回答

对我来说，将Month其视为固定的，同时具有Light并Nutrients嵌套在其中几乎没有意义。要么你应该对待Month和固定 and Light，在这种情况下，公式的随机部分将是：

( 1| Month) + (1 | Light)

...或者您将Month其视为随机的，在这种情况下您已Light嵌套在 `Month 中，因此这意味着：

(1 | month) + (1| Month:Light)

而且您还Nutrients嵌套在`Month中，因此这意味着：

(1 | month) + (1| Month:Nutrients)

所以结合这些我们得出

(1 | month) + (1| Month:Light) + (1| Month:Nutrients)

编辑：

为了解决评论中的问题：

奇异拟合意味着可能不需要这些随机因素中的至少一个。

至于在Light和之间的额外交互项Nutrients，您可以为此添加进一步的随机因子。但是，这是否有用取决于您所说的“关键兴趣”究竟是什么意思。将其建模为随机只会导致估计它的方差。如果您对该交互的固定效应感兴趣，这意味着它们应该是固定因素，而不是随机因素。然后，这将仅Month作为模型中的随机因素留下，这很可能是合适的。与此结合，并在重新阅读问题时，您在哪里说Light和Nutrients是“治疗”，这通常意味着您应该将它们建模为固定的。仅仅因为这些因素可以被认为是来自更大群体的样本，并不意味着它们必须是随机的。而且我不知道您使用了多少级别的这些因素？如果有很多，那么将它们建模为随机可能确实更好。但如果他们很少，也许更合适的模型是：

lmer(growth.day ~  Light * Nutrients) + ( 1 | Month), ... )
其它你可能感兴趣的问题
上一篇auto.arima 与 arima.sim 下一篇重复交叉验证的缺点是什么？