R中一个复模型的回归

这只是我必须做的一个简化版本。 我必须对以下模型执行线性混合效应回归：

y~a1+F1+F2+(1|Effect1)+(1|Effect2)

我的问题是编码固定效果

F1=a2*(M-M1)+a4*(10-M)      if M >=M1
  =a3*(M-M2)+a4*(10-M1)     if M < M1

F2=a5*ln(R+a6)+a7*lnV       if V<100
  =a5*1.5+a7                if V>=100

F1=a2*（M-M1）+a4*（10-M）如果M>=M1
=a3*（M-M2）+a4*（10-M1）如果M

M、 给出了R、V、y、M1和M2以及效应1和效应2。它也是一个大数据集。 我必须找到回归系数a1，a2，a3，a4，a5，a6，a7。在R中有没有办法做到这一点？比如将系数指定为变量或任何其他方法

---

编辑：我删除了F3项并修改了F2项，因为它引起了很多混乱，我主要关注前两项

我认为它将被称为“非线性混合模型”。我建议使用

nlme

（非线性混合效果）软件包。对于您的

M

和

V

阈值，我将使用指示符变量乘以模型项以将其“打开”或“关闭”。最后一个表达式看起来像某种约束，但不清楚您希望在边界之外发生什么。。。R和M和它有什么关系。数据变量中没有列出V。假设您有一个固定值

M1

。对于

F1

条件，在数据中创建一个名为

M\u gt\u M1

的“指示符”变量，当M大于M1时为1，否则为0。然后您的

F1

条件被写为

F1=M_gt_M1*（a2*（M-M1）+a4*（10-M））+（1-M_gt_M1）*（a3*（M-M2）+a4*（10-M1））

。基本上，您可以通过乘以1或0来创建“if”语句，具体取决于条件是否满足。第二项的方式完全相同，数据中有一列名为

V\u gt_100

，当

V>100

时为1，否则为0。将你的两个

F2

条件乘以

V_gt_100

和

1-V_gt_100

。至于你的回归评论，你所说的是线性回归。这就是为什么，在顶部，我说你的模型是非线性的。如果使用

nlme

包，则可以在模型公式中指定所有

a

，并对其进行估算。（其他人提到了

lme4

包。对于混合模型，我通常更喜欢

lme4

而不是

nlme

，但我认为它不适合非线性混合模型。因此，对于此模型，请使用

nlme

）