【问题标题】:How do I specify random effects using gamm models in R?如何在 R 中使用 gamm 模型指定随机效应?
【发布时间】:2018-11-07 04:45:51
【问题描述】:

我正在使用 mgcv 包中的 gamm 模型来分析具体的多样性如何衡量,例如。香农随时间和环境变量而变化,例如。温度。

到目前为止,我已经有了分析时间序列的初始模型:

modf<-gamm(y~ as.factor(year) + s(doy,bs='cc',k=kdy),method=mth,correlation=tcor,data=d,
           control=ctrl,random=NULL,gamma=1)

我想将温度作为随机效应包含在内,并考虑执行以下操作:

modf<-gamm(y~ as.factor(year) + s(doy,bs='cc',k=kdy), + s(temp,bs="re"),method=mth,
           correlation=tcor,data=d,control=ctrl,gamma=1)

但是,到目前为止,我只看到 gam 而不是 gamm。这种方式还能用吗?

数据结构类型示例:

  • $ total_abundance: num 6364161 1929775 7057036 1266342 3981198 ...
  • $ shannon : 数字 1.87 2.08 1.95 1.84 2.06 ...
  • $ 营业额 : num 0.613 0.475 0.525 0.556 0.429 ...
  • $ 年 : int 1985 1986 1987 1987 1987 1988 1989 1989 1991
  • $ 月 : int 8 12 3 7 8 5 1 8 1 9 ...
  • $ 天:int 20 8 15 6 17 9 16 29 14 4 ...
  • $ temp : num 25.5 9.87 4.8 19.72 26.03 ...
  • $ doy : num 232 342 74 187 229 130 16 241 14 247 ...

其中 doy 是“一年中的某一天”并考虑了季节性

谢谢

【问题讨论】:

  • 您能否详细说明“添加温度作为随机效应”是什么意思? temp 是连续变量还是其他?你心目中的分组结构是什么?我是否可以建议在您的问题中包含一些示例数据 - 这样您更有可能获得有用的答案。

标签: r mixed-models gam mgcv


【解决方案1】:

除非您希望 temp 的线性效应在分组因子的级别内变化,否则您似乎想要做的事情没有任何意义。

通常,您使用 random 指定此随机斜率

list(group = ~ x)

其中group 是因子分组变量,x 是您的temp

您对temp = ~ 1 的要求是随机截取temp 的唯一值,这可能要求的数据太多。

s(time, bs = "re") 的等效项要求您从 random 公式中删除截距:

 list(group = ~ x - 1)

但您仍然需要一个 group 变量。

如果您只想控制 temp,请将其作为线性参数效果 (+ temp) 或平滑效果 (+ s(temp)) 添加到 gamm() 模型公式中。

【讨论】:

  • 不,我不想控制温度,我想看看多样性如何随温度和时间而变化。不过,这需要是随机效应。
  • 控制tempsee[ing] how diversity changes with temperature... 相同。如果您希望它是随机效果,请解释一下您的意思?您似乎没有一个分组变量,可以在其中产生temp 的单独效果。 temp 的随机效应是一个连续变量,必然需要在分组变量的每个级别中估计 temp 的斜率(效应)值。你的分组变量是什么?
  • 谁说s(temp, bs = "re") 对您的数据做了任何有意义的事情?它肯定没有在做你认为它正在做的事情。您将获得temp 的单一效应,如果您将其作为temp 包含在模型中,其估计值将等于参数固定效应系数。 (试试看!)这绝对不是任何典型意义上的随机效应。
  • 我认为温度随时间变化,这就是为什么我认为它是一个随机变量。没有分组因素就没有办法指定它吗?还是我应该放弃 gamm 并以另一种方式计算它..
  • “随机变量”是什么意思?请注意,random variable 与“随机效应”相同。你想让temptimediversity 的影响进行交互吗?还是您只想估计tempdiversity 的影响以及time 的影响?目前,您所问的内容尚不清楚,因为您使用的术语令人困惑且不标准。
猜你喜欢
  • 2020-06-30
  • 1970-01-01
  • 2022-11-27
  • 1970-01-01
  • 2015-04-23
  • 1970-01-01
  • 2020-08-19
  • 2021-06-29
  • 2015-09-26
相关资源
最近更新 更多