Получение NaN из вложенных LME

Question

Наличие некоторых проблем с подмножеством моих данных (подмножество все еще имеет 600 значений). Для эксперимента у меня есть два временных момента, вложенных в каждый из них три процедуры (ТТ), с 5 репликативными культурами, вложенными в них (от A до E). В каждой из этих культур 20 значений для отдельных организмов. Для этого подмножества я хочу посмотреть разницу между обработками и различиями между точками времени в рамках одного и того же лечения.

Я использую R 3.1.2 и nlme пакет

Мой код выглядит следующим образом:

model4a <-lme(Velocity~WeekTT, random=~1|Week/TT/Culture, method = "REML", data=body2, weights = varIdent(form=~1|WeekCulture), control=lmeControl(opt="optim")) 

STR ниже:

data.frame': 600 obs. of 4 variables: 
    $ Culture : Factor w/ 5 levels "A","B","C","D",..: 1 2 3 4 5 1 2 3 4 5 
    $ Treatment: Factor w/ 3 levels "T20","T25","T25F": 1 1 1 1 1 2 2 2 2 2 
    $ Week  : num 10 10 10 10 10 10 10 10 10 10 ... 
    $ Velocity : num 259 279 265 275 256 ... 

Вот Screengrab из результатов I get и ошибки внизу (работа над публикацией некоторых воспроизводимых данных, но показала, что это может быть простая ошибка кода).

Я хруст различных моделей за последние 3 недели, и я думаю, что это легкий вопрос просто мой мозг измотанный и я overthinking его.

Answer 1

Если WeekTT этого взаимодействия недели за лечением, то вы включили его в два раз в модели, когда в качестве фиксированного эффекта и один раз как случайный эффект, так как случайные эффекты группирование структуры Week/TT/Culture расширяется Week + Week:TT + Week:TT:Culture, так неудивительно, что эти параметры фиксированного эффекта будут неидентифицируемы. Возможно, если вы хотите сохранить фиксированный эффект, включите только трехстороннее взаимодействие в качестве случайного эффекта.

model4a <-lme(Velocity~WeekTT, 
       random=~1|Week:TT:Culture, 
     method = "REML", data=body2, 
    weights = varIdent(form=~1|WeekCulture), 
    control=lmeControl(opt="optim")) 

В зависимости от того, что делает weights заявления (это WeekCulture представляет взаимодействие трехходового? Будет ли преобразование данных заботиться о гетероскедастичности?), Вы могли бы просто агрегировать самый низкий уровень (т.е. вычислить среднее значение каждой комбинации Week:TT:Culture), что было бы предложено Murtaugh (2007) «Простота и сложность анализа экологических данных». Тогда вам не понадобится смешанная модель ...