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：

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，我没有找到任何直接的方法来校正数据中的自相关性。

（1）是，你应该检查/说明自相关性

第一个示例显示了一个在考虑自相关的同时在混合模型中估计趋势的示例

您可以使用

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)