[英]Incorporating time series into a mixed effects model in R (using lme4)
我已经找到了类似的问题,如果有相关的问题我已经错过了,那就道歉了。
我正在研究在不同条件下花费在喂食器(因变量)上的时间量,每个受试者访问喂食器30次。
受试者暴露于一种类型的喂食器,其将具有香味/无味的不同组合,具有视觉图案/空白,并且具有以两种空间布置之一呈现的这些视觉或香味图案。
到目前为止,我的模型是:
mod<-lmer(timeonfeeder ~ scent_yes_no + visual_yes_no +
pattern_one_or_two + (1|subject), data=data)
如何将访问号码合并到模型中,以查看这些因素是否会影响馈线在一段时间内所花费的时间?
您有多种选择(对于CrossValidated,这个问题可能稍微好一点 )。
正如@Dominix建议的那样,随着时间的推移,您可以允许进线器的线性增加或减少。 允许这种变化在不同的鸟类之间变化是有意义的:
timeonfeeder ~ time + ... + (time|subject)
您可以允许随时间变化的任意模式(即不仅仅是线性):
timeonfeeder ~ factor(time) + ... + (1|subject)
这可能在你的情况下没有意义,因为你有大量的观察,所以它需要很多参数(如果你有,比如每个人有3个时间点,那会更明智)
您可以通过附加模型允许更复杂的变化模式,即使用三次样条建模随时间变化。 例如:
library(mgcv) gamm(timeonfeeder ~ s(time) + ... , random = ~1|subject
(1)这假设跨学科的时间模式是相同的; (2)因为gamm()
在引擎盖下使用lme
而不是lmer
,你必须将随机效果指定为单独的参数。 (你也可以使用gamm4
包,它在引擎盖下使用lmer
。)
您可能希望允许时间自相关。 例如,
lme(timeonfeeder ~ time + ... , random = ~ time|subject, correlation = corAR1(form= ~time|subject) , ...)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.