将时间序列合并到R中的混合效果模型中（使用lme4）

Question

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？

Answer 1

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) , ...)