LME中使用的varIdent函數是否正常工作？

如果有人能幫我解決這個問題，我會很高興。我有重複測量設計的數據，其中我們測試了感染前後（exper）鳥類反應（time.dep）。我們也有FL（燃油負荷，瘦體重的百分比），脂肪評分和組（實驗vs控制）作爲解釋變量。我決定使用LME，因爲殘差的分佈不會偏離正常。但是殘差的同質性存在問題。「之前」和「之後」之間以及脂肪水平之間的差異顯着不同（Fligner-Killeen test，分別爲p=0.038和p=0.01）。LME中使用的varIdent函數是否正常工作？

ring group fat time.dep FL exper 
1 XZ13125  E 4  0.36 16.295 before 
2 XZ13125  E 3  0.32 12.547 after 
3 XZ13126  E 3  0.28 7.721 before 
4 XZ13127  C 3  0.32 9.157 before 
5 XZ13127  C 3  0.40 -1.902 after 
6 XZ13129  C 4  0.40 10.382 before

後，我所選擇的模式，這是隨機截距（~1|ring）的隨機部分，我已經應用了權重參數兩者「脂肪」和「EXPER」（varComb(varIdent(form=~1|fat), varIdent(form=~1|exper)）。現在標準化殘差與擬合曲線看起來更好，但我仍然違反了這些變量的均勻性（在流體測試中相同的值）。我做錯了什麼？

來源

2014-06-08 user3719737

很難說沒有一個可重複的例子。你使用'殘差（類型=「皮爾森」）？ –

非常感謝！可能是這個問題。當我嘗試過（type =「pearson」）時，一切看起來都很棒。 – user3719737

lme中的常見陷阱是默認情況下會給出原始殘差，即未針對可能已使用的任何異方差性（weights）或相關性（correlation）子模型進行調整。從?residuals.lme：

類型：可選字符串確定殘差的類型使用。如果''響應''，默認情況下，使用「原始」殘差（觀測 - 擬合）;否則，如果''皮爾森''，使用標準化殘差（原始殘差除以相應的標準誤差）;否則，如果使用「歸一化」，則使用歸一化殘差（標準化的殘差乘以估計誤差相關矩陣的逆平方根因子）。部分參數的匹配被使用，所以只需要提供第一個字符。

因此，如果您希望對殘差進行異方差修正（如模型所示），您需要type="pearson";如果你想讓它們糾正相關性，你需要type="normalized"。

來源

2014-06-08 16:17:57

LME中使用的varIdent函數是否正常工作？

回答

相關問題