大型空间自相关数据集的线性混合效应模型答案

【问题标题】：Linear Mixed-Effects Models for a big spatial auto-correlated dataset大型空间自相关数据集的线性混合效应模型
【发布时间】：2017-12-11 18:18:39
【问题描述】：

所以，我正在处理一个大数据集（55965 点）。我正在尝试运行 LME 来计算相关性。但是 R 会返回给我这个

错误：'sumLenSq := sum(table(groups)^2)' = 3.13208e+09 太大。关联结构中的组太大或没有组？

我无法将其子集化，因为我需要所有点。我的问题是：
我可以在功能中更改一些设置吗？
如果没有，有没有其他类似功能的包可以运行这么大的数据集？

这是一个可重现的例子：

require(nlme)
my.data<- matrix(data = 0, nrow = 55965, ncol = 3)
my.data<- as.data.frame(my.data)
dummy <- rep(1, 55965)
my.data$dummy<- dummy
my.data$V1<- seq(780, 56744)
my.data$V2<- seq(1:55965)
my.data$X<- seq(49.708, 56013.708)
my.data$Y<-seq(-12.74094, -55977.7409)

null.model <- lme(fixed = V1~ V2, data = my.data, random = ~ 1 | dummy, method = "ML")

spatial_model <- update(null.model, correlation = corGaus(1, form = ~ X + Y), method = "ML")

【问题讨论】：

标签： r linear-regression

【解决方案1】：

由于您只分配了一个级别的分组因子，因此数据中没有组，这是错误消息报告的内容。如果您只想考虑空间自相关，没有其他随机效应，请使用同一包中的gls。

编辑：关于 2 种不同的空间自相关建模方法的进一步说明：corrGauss（和其他 corrSpatial 类型的函数）实现回归残差的空间相关模型，这不同于添加到基于模型的空间随机效应关于县/区/网格身份。

【讨论】：