我正在寻找一些关于如何在时间间隔不相等时诊断自相关问题的建议？具体来说，我想使用该诊断方法来帮助选择最佳的相关结构规范。我正在使用 nlme 包中的 lme 函数。
我有兴趣知道我的响应变量在四个站点之间是否存在显着差异。我在 166 天的过程中以不均匀的时间间隔（相隔 7 到 21 天）测量了响应变量。因为这是一项时间研究，所以我需要确保残差中没有自相关问题。
实验设计：我在前面的问题中解释了整体实验设计：LME4 R 中的嵌套随机效应
当我查看没有相关结构的模型时，残差会由于时间（如下）而暗示一些模式，尽管它不像我看到的一些例子那么明显。
型号 1：
lme_lognormal_pam_noCor<-lme(fvfm_log~maintank*daypostbirth, random=~1|tank, data=pam_nona)
plot(residuals(lme_lognormal_pam_noCor, type="normalized")~pam_nona$daypostbirth)
acf(residuals(lme_lognormal_pam_noCor,type="normalized"))
归一化残差的 ACF 图表明存在自相关问题。但是，acf 图是否可信，因为ACF.lme帮助清楚地表明这是“用于研究等距数据的序列相关模型”？
假设我们可以信任 acf 图，我尝试了三种不同的相关结构：
型号 2：
lme_lognormal_pam_noCor_halfinter_Cor_nograd<-lme(fvfm_log~maintank*daypostbirth, random=~1|tank, correlation=corCompSymm(form=~daypostbirth|tank), data=pam_nona)
模型 3：
lme_lognormal_pam_noCor_halfinter_Cor_nograd2<-lme(fvfm_log~maintank*daypostbirth, random=~1|tank, correlation=corCompSymm(form=~1|tank), data=pam_nona)
使用summary时，模型输出表明相关系数Rho=0
但是，自相关图表明自相关问题没有完全解决（为了简洁起见，我只包括了一个，因为它们是相同的）：
acf(residuals(lme_lognormal_pam_noCor_halfinter_Cor_nograd2,type="normalized"))
现在我将尝试corAR1结构：
型号 4：
lme_lognormal_pam_noCor_halfinter_CorAR1_nograd<-lme(fvfm_log~maintank*daypostbirth, random=~1|tank, correlation=corAR1(form=~1|tank), data=pam_nona)
summary输出给出了相关系数，这Phi=0.71表明存在更大的自相关问题，这与该模型的 acf 图形成对比，表明我们已经有效地消除了它。acf（残差（lme_lognormal_pam_noCor_halfinter_CorAR1_nograd，type="normalized"））
AIC 比较表明，最好的模型是 Model 4，因为它的 AIC 最低。
因此我的问题是：
- 我应该通过相关系数 Rho 和 Phi 还是应该查看 acf 图来诊断自相关？
我无法找到有关使用 Rho 或 Phi 检测模型中的自相关的更多信息，本文中的其他信息（“基于自相关系数的时间序列依赖的替代测试，RM Levich 和 RC Rizzo，1998 年 12 月”）和Gavin Simpson 的这条评论表明他们在解释自相关的影响方面的用途。此外，在此处的 R 列表中也提出了类似的问题。
我倾向于选择模型 2 或模型 3，因为Rho=0acf 图似乎不适用于诊断不相等的时间间隔。
基于上面的acf图和没有任何相关结构的模型的acf图，a
corAR1orcorCompSym结构似乎更合适？如果我只使用 AIC 来决定，corAR1 的表现会更好。您是否会使用生物学理由来选择一种相关结构而不是另一种AIC？例如，如果您认为随时间变化的相关系数应该等于 ( ) 与根据您对实验的了解corCompSym随时间衰减的相关系数 ( )。corAR1在诊断与不等间距数据的自相关时，变异函数是否比 acf 图更合适？这个想法是在这里提出的。具有
Rho=0（模型 2 和 3）或具有足够自相关图（模型 4）的模型均未显示表明缺乏自相关（无水平渐近线）的变异函数。下面都有一个非常相似的形状：情节（变异函数（lme_lognormal_pam_noCor_halfinter_Cor_nograd2））
任何意见将是有益的。这一点非常重要，因为模型系数基于结构corCompSym与corAR1结构都非常不同。
