R 如何检查和控制纵向数据混合效应模型中的自相关?
在10天的观察中,我有许多鸟类群体的行为数据。我想调查在某些行为中是否存在时间模式(例如,配偶竞争是否随着时间的推移而增加?),有人告诉我,我必须考虑数据的自相关性,因为行为不可能每天都是独立的 但我想知道两件事:R 如何检查和控制纵向数据混合效应模型中的自相关?,r,time-series,mixed-models,temporal,longitudinal,R,Time Series,Mixed Models,Temporal,Longitudinal,在10天的观察中,我有许多鸟类群体的行为数据。我想调查在某些行为中是否存在时间模式(例如,配偶竞争是否随着时间的推移而增加?),有人告诉我,我必须考虑数据的自相关性,因为行为不可能每天都是独立的 但我想知道两件事: 既然我对y在不同日期之间的差异不感兴趣,而是对y在不同日期的趋势感兴趣,那么我还需要校正自相关吗 如果是的话,我如何控制自相关,这样我就只剩下信号(当然还有噪声)了 对于第二个问题,请记住,我将使用R中的混合模型分析时间对行为的影响(因为存在伪复制等随机效应),但在对响应建模时,我没
nlme
软件包中的lme
来安装这些型号。这是一个没有自相关的混合模型,包括:
cmod_lme <- lme(GS.NEE ~ cYear,
data=mc2, method="REML",
random = ~ 1 + cYear | Site)
@杰弗里吉拉德指出
要在更新模型以包含相关参数后检查ACF,需要使用plot(ACF(cmod\u lme\u acor,resType=“normalized”)
您好,在您的示例中,看起来您正在查看随机效果的自相关。我可以在固定效果中使用它吗?在我的例子中,自变量是时间(天),但时间本身会导致我试图纠正的自相关。所以我必须有固定和随机效应的时间吗?我的模型是这样的:(g)lmer(Behavior~Time+(1 | groupID),data=bird)这个模型对残差中的自相关进行建模
~cYear | Site
表示cYear
是时间顺序变量,Site
是分组变量(即残差仅在组内相关);您可能需要类似于correlation=corAR1(公式=~Time | groupID)
。这是针对lme的;使用GLMMs很难做到这一点。尝试添加correlation=corAR1(formula=~time | Site)的correlation结构,但出现了一个错误。现在的代码是correlation=corAR1(form=~time | Site)。请注意,要在更新模型以包含correlation参数后检查ACF,您需要使用绘图(ACF(cmod\u lme\u acor,resType=“normalized”)
,否则它将显示未更正的版本。
cmod_lme_acor <- update(cmod_lme,
correlation=corAR1(form=~cYear|Site)