非线性混合效应模型,nlme模型在R
我有一个数据集,从7棵树上反复收集一个物种的生物量。我假设生物量随时间变化为高斯峰值函数。由于它是非线性的嵌套重复测量,我想添加树组作为随机效应,我假设非线性混合效应模型应该做这项工作 以下是示例数据:(可从此处下载) 代码如下:非线性混合效应模型,nlme模型在R,r,mixed-models,nlme,non-linear-regression,R,Mixed Models,Nlme,Non Linear Regression,我有一个数据集,从7棵树上反复收集一个物种的生物量。我假设生物量随时间变化为高斯峰值函数。由于它是非线性的嵌套重复测量,我想添加树组作为随机效应,我假设非线性混合效应模型应该做这项工作 以下是示例数据:(可从此处下载) 代码如下: >tree time id Biomass 1 41 A1 7.6 2 41 A2 0.0 3 41 A3 71.1 4 57 A4 26.9 5 57 A5 52.1 6 57 A6
>tree
time id Biomass
1 41 A1 7.6
2 41 A2 0.0
3 41 A3 71.1
4 57 A4 26.9
5 57 A5 52.1
6 57 A6 101.1
7 72 A1 0.0
8 72 A2 0.0
9 72 A3 34.0
10 83 A4 40.9
11 83 A5 195.4
12 83 A6 167.0
13 97 A1 17.6
14 97 A2 12.7
15 97 A3 12.4
16 111 A4 266.5
17 111 A5 139.6
18 111 A6 256.2
19 127 A1 111.4
20 127 A2 35.8
21 127 A3 72.9
22 149 A4 159.5
23 149 A5 305.5
24 149 A6 366.4
25 159 A1 19.5
26 159 A2 57.5
27 161 A3 205.6
28 174 A4 257.3
29 174 A5 166.2
30 175 A6 374.3
31 187 A1 159.3
32 187 A2 54.6
33 187 A3 136.4
34 204 A4 256.1
35 205 A5 423.3
36 204 A6 237.8
37 216 A1 67.4
38 216 A2 205.6
39 216 A3 316.1
40 232 A4 128.5
41 233 A5 20.8
42 233 A6 67.8
fm1<-Biomass~time+rd
#run model
model<-nlme(fm1, data=tree,
fixed=time~1,
random=rd~1,
groups=~id,
start=c(time=43))
#model summary
summary(model)
抱歉,如果这看起来像个愚蠢的问题。这是我第一次尝试适应这样的模式。谢谢你看过其他的工作示例了吗?(回归模型的假设通常不适用于变量的高斯分布,而适用于残差,)什么是
rd
?您需要在公式中指定一个非线性函数(可能是dnorm
?)。事实上,你是在用数值优化来拟合一个线性模型。是的,我找了其他的例子。然而,我到处寻找,但没有看到一个符合高斯分布的固定效应。我在nlme的R-help指令中假设它是通过假设一个渐近关系来表示的<代码>FM1错误消息是nlme.formula中的错误(fm1,data=tree,fixed=Asym+R0+lrc~1,random=Asym~:在0级,block 1的反解中的奇点
。我确实考虑了dnorm
,但不知道如何将其放入我的公式中。顺便说一句,rd
是随机效应的参数名称。它确实给了我所有树组的估计值。也许我应该为我的拥有函数并改用optim
?
> model$sigma
[1] 104.1907