2016-04-04 3 views
1

Я анализирую данные о китовом туризме и пытаюсь построить модели линейного смешанного эффекта в пакете nlme, чтобы узнать, влияет ли какая-либо из моих объясняющих переменных на время схватки между китами и туристами. (Я также открыт для запуска этой модели в lme4.)с указанием нескольких отдельных случайных эффектов в nlme

Мои переменные:

  • mins: время встречи (переменная отклика)
  • Id: индивидуальный кит ID (случайный эффект)
  • Vessel: Идентификатор сосуда (случайный эффект)
  • Sex: пол животного
  • Length: длина животного
  • Year
  • Month (вложенной в Year).

Так что мои случайные величины Id и Vessel, и я также Year и Month как вложенности случайных эффектов.

я придумал следующее:

form1 <- formula(Min ~ length + Sex+ Encounter) 
model1 <- lme(form1, 
       random = list(Id = ~1, 
          Vessel = ~1, 
          Year=~1, 
          Month = ~1), data=wsdata, method="ML") 

Но все мои случайные эффекты становятся вложенными в Id.

Есть ли способ, я могу определить Id и Vessel в виде отдельных случайных эффектов и Year и Month как вложенности случайных эффектов?

ответ

1

В целом это намного проще определить пересекла (что значит «отдельный», я думаю) случайные эффекты в lme4, так что если вам нужны модели для временной или пространственной автокорреляции или гетероскедастичности (которые еще проще достичь с nlme), я бы идти вперед с

library(lme4) 
fit <- lmer(mins ~ Length + Sex+ (1|Id) + (1|Vessel) + 
       (1|Year/Month), data=wsdata, REML=FALSE) 

несколько других замечаний:

  • что encounter? это было в вашей формуле, но не в вашем описании набора данных
  • кажется вполне вероятным, что время перерыва (длительность встреч?) будет искажено, и в этом случае вы можете захотеть преобразовать их в лог-файл.
+0

Thanks Ben! Encounter - это количество раз, когда каждый человек встречался (я просто обозначал эти 1, 2, 3 и так далее). Вы правы, продолжительность встречи искажена, и я попытался преобразовать их в журнал, но влияет ли это на то, как я должен интерпретировать мои модели? –

+0

ну, это означает, что вы будете моделировать * пропорциональные * изменения продолжительности встречи по отношению к ковариатам (и продолжительность встречи будет считаться логарифмом). Обычно распределяется между людьми, сосудами и т. Д.). –

+0

Хорошо, понял. Лог-преобразованная модель выглядит намного лучше. Спасибо за помощь –

Смежные вопросы