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：

>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