R 如何拟合具有混合效应的nls模型

我想拟合一个具有随机效应的线性平台模型。我找到了一种方法使函数适合

nls（）

，但我不知道如何包含随机效果。以下是我到目前为止的情况：

#create data
x=c(1:6,1:6)
y=c(10,21,27,35,33,35,9,20,28,32,30,31)
z=c("A","A","A","A","A","A","B","B","B","B","B","B")
df<-data.frame(x,y,z)

#create linear-plateau function
lp=function(x, a, b, c){
  ifelse(x > c, a + b * c, a + b * x)
  }

#fit the model without random effects
p10=nls(y ~ lp(x, a, b, c), data = df, start = list(a = 0, b = 15, c = 4))


plot(y~x)
lines(x=c(0, coef(p10)["c"],max(df$x)), 
      y=c(coef(p10)["a"],
          (coef(p10)["a"] + coef(p10)["b"] * coef(p10)["c"]),
          (coef(p10)["a"] + coef(p10)["b"] * coef(p10)["c"])),lty=2)

#创建数据
x=c（1:6,1:6）
y=c（10,21,27,35,33,35,9,20,28,32,30,31）
z=c（“A”、“A”、“A”、“A”、“A”、“A”、“A”、“B”、“B”、“B”、“B”、“B”）
测向c，a+b*c，a+b*x）
}
#在没有随机效应的情况下拟合模型
p10=nls（y~lp（x，a，b，c），data=df，start=list（a=0，b=15，c=4））
绘图（y~x）
行（x=c（0，coef（p10）[“c”]，最大值（df$x）），
y=c（coef（p10）[“a”]，
(coef(p10)(a)+coef(p10)(b)*coef(p10)(c))，
（coef（第10页）[“a”]+coef（第10页）[“b”]*coef（第10页）[“c”]），lty=2）

我想做的是将

z

作为随机效应包括在内，因为从同一

z

级别收集的所有数据都不是独立的。

---

我知道如何用

lme4

软件包中的

nlmer

函数模拟混合效果，但我不知道如何用它来拟合线性平台模型。

你可以用

nlme

软件包来实现这一点，但你给我们的数据不足以成功拟合随机效果模型

首先拟合一个

gnls（）

（广义非lin最小二乘）模型，该模型允许各组之间的固定效应差异：

library(nlme)
p20 = gnls(y ~ lp(x, a, b, c),
           params= list(a+b~z, c~1),
           data = df,
           start = list(a = c(0,0), b=c(15,15), c=4))

（我最初尝试了

params=list（a+b+c~z）

，对

start

进行了适当的更改，但拟合没有成功。可能需要调整控制参数以使该模型工作……）

现在作为一个随机效应模型。这不会成功-你几乎肯定需要两个以上的小组-但它应该给你一个想法

p30 = nlme(y ~ lp(x, a, b, c),
           random = a+b~1|z,
           fixed = a+b+c ~ 1,
           data = df,
           start = c(a=0, b=15, c=4)
           )

使用

nlmer

执行此操作有点麻烦，因为您必须定义一个返回梯度以及目标函数值的函数