假设我们正在研究一些计数数据随时间推移的随机效应模型，并且我们希望控制一些趋势。通常，您会执行以下操作：
lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson")
为 包括一个二次形状t。是否可以使用一些更复杂的平滑技术（如 LOESS 平滑器或样条曲线）来模拟这种关系？
lmer() 可以使用样条线作为随机效果吗？
机器算法验证
混合模式
lme4-nlme
样条
2022-01-27 06:49:36
1个回答
如果您展示的内容适用于lmer随机效应项的公式，那么您应该能够使用 R 附带的splines包中的函数来设置相关的基函数。
require("lme4")
require("splines")
lmer(counts ~ dependent_variable + (bs(t) | ID), family="poisson")
根据您想要做什么，您还应该查看gamm4包和mgcv包。前者本质上是bs()对上述调用中的位进行形式化lmer()，并允许将平滑度选择作为分析的一部分执行。后者的功能gam()允许在拟合这样的模型时具有一定程度的灵活性（如果我了解您要做什么）。看起来您想要单独的趋势ID？一个更固定的效果方法是这样的：
gam(counts ~ dependent_variable + ID + s(t, by = ID) , family="poisson")
可以使用示例中的类型术语将随机效应包含在gam()模型中。将“想法”一词与随机效应结合起来是否有意义是值得思考的事情，而不是我有资格评论的事情。s(foo, bs = "re")fooIDby
其它你可能感兴趣的问题