我的變量是在一個隨機區塊上進行測量的,採用子採樣設計,其中我的治療是23 Accesion。我有3個完整的塊和每塊6個樣本。示例數據框包含4個響應變量(LH,REN,FTT,DFR),訪問(處理),Bloque(塊號)和Plot(即子採樣的變量)。數據的頭是:一般線性混合效應(glmer)異方差模型
Plot Accesion Bloque LH REN FTT DFR
1 221 22 1 20.6 1127 23 88
2 221 22 1 20.5 1638 20 88
3 221 22 1 24.5 1319 16 88
4 221 22 1 21.4 960 17 88
5 221 22 1 25.7 1469 18 88
6 221 22 1 25.8 1658 21 88
因此,該數據是所有類型的轉換(日誌,boxcox,電源等)後,非正常和異方差幾乎所有的100個響應變量。大多數變量顯示每個Accesion具有不同方差的卡方或泊松樣分佈。
到目前爲止,我beeng上運行的廣義線性與泊松使用的FTT的glmer()
作爲響應變量模型效果的工作。我正在使用此代碼:
FTTglme = glmer(FTT ~ Accesion + Bloque + (1|Plot), data = Lyc,
family=poisson(link="identity"))
根據shapiro.test(),殘差是非正常的。我認爲,這是因爲在殘差中觀察到異方差。正如Accesion殘差的箱線圖,顯示差異的區別:
的異方差是植物種羣之間的預期,但我知道它可以在裏面glme進行建模。我要補充,我已經研究的代碼是:
vf <- varIdent(form=~Accesion)
FTTglme = glmer(FTT ~ Accesion + Bloque + (1|Plot), data = Lyc,
family=poisson(link="identity"), weights = vf)
我想不同的差異,以瞭解每個Accesion類別。不過,我不斷收到錯誤:
Error in model.frame.default(data = Lyc, weights = varIdent(form = ~Accesion), : variable lengths differ (found for '(weights)')
有誰知道如何計算方差的Accesions之間的glmer()
裏面的區別是什麼?
任何其他建議來分析數據也是受歡迎的。
(1)爲什麼一個身份鏈接? (2)你試圖混合'nlme'和'lme4'語法的權重:這是行不通的... –
glmer得到了一個權重參數。什麼是正確的sintax? –