Tôi muốn phù hợp với mô hình hỗn hợp bằng cách sử dụng gói hồi quy lme4, nlme, baysian hoặc bất kỳ có sẵn.
Mô hình hỗn hợp trong các quy ước mã hóa Asreml- R
trước khi đi vào chi tiết cụ thể, chúng tôi có thể muốn có thông tin chi tiết về các quy ước asreml-R, cho những người không quen thuộc với mã ASREML.
y = Xτ + Zu + e ........................(1) ; mô hình hỗn hợp thông thường với, y biểu thị vectơ quan sát n × 1, trong đó τ là vectơ p × 1 của of xed e e ects, X là ma trận thiết kế n × p của xếp hạng cột đầy đủ kết hợp các quan sát với sự kết hợp thích hợp của các quan sát , u là vectơ q × 1 của các trường ngẫu nhiên, Z là ma trận thiết kế n × q kết hợp các quan sát với sự kết hợp thích hợp của các trường hợp ngẫu nhiên và e là vectơ n × 1 của các lỗi dư. Mô hình (1) được gọi là một mô hình hỗn hợp tuyến tính hoặc mô hình hỗn hợp tuyến tính. Nó được giả định
trong đó các ma trận G và R lần lượt là các hàm của tham số γ và.
Tham số là tham số phương sai mà chúng ta sẽ gọi là tham số tỷ lệ.
Trong các mô hình hỗn hợp có nhiều hơn một phương sai còn lại, ví dụ phát sinh trong phân tích dữ liệu có nhiều hơn một phần hoặc phương sai, tham số được chia thành một. Trong các mô hình điện tử hỗn hợp có một phương sai dư duy nhất thì bằng với phương sai dư (2). Trong trường hợp này R phải là ma trận tương quan. Thông tin chi tiết về các mô hình được cung cấp trong hướng dẫn sử dụng Asreml (liên kết) .
Cấu trúc phương sai cho các lỗi: Cấu trúc R và cấu trúc phương sai cho các trường hợp ngẫu nhiên: Cấu trúc G có thể được chỉ định.
mô hình phương sai trong asreml () điều quan trọng là phải hiểu sự hình thành các cấu trúc phương sai thông qua các sản phẩm trực tiếp. Giả định bình phương tối thiểu thông thường (và mặc định trong asreml ()) là chúng được phân phối độc lập và giống hệt nhau (IID). Tuy nhiên, nếu dữ liệu từ một thí nghiệm hiện trường được đặt trong một mảng hình chữ nhật của các hàng r theo cột c, thì chúng ta có thể sắp xếp các phần dư e dưới dạng ma trận và có khả năng xem xét rằng chúng được tự động hóa trong các hàng và cột. một vectơ theo thứ tự trường, nghĩa là bằng cách sắp xếp các hàng dư trong các cột (các ô trong các khối), phương sai của các phần dư có thể là
là các ma trận tương quan cho mô hình hàng (thứ tự r, tham số tự tương quan ½r) và mô hình cột (thứ tự c, tham số tự tương quan ½c) tương ứng. Cụ thể hơn, đôi khi một cấu trúc không gian tự động tách rời hai chiều (AR1 x AR1) đôi khi được giả định cho các lỗi phổ biến trong phân tích thử nghiệm hiện trường.
Dữ liệu ví dụ:
nin89 là từ thư viện asreml-R, nơi các biến thể khác nhau được phát triển trong các bản sao / khối trong trường hình chữ nhật. Để kiểm soát biến thiên bổ sung theo hướng hàng hoặc cột, mỗi ô được tham chiếu dưới dạng các biến Hàng và Cột (thiết kế cột hàng). Do đó, thiết kế cột hàng này với chặn. Năng suất được đo lường biến.
Mô hình ví dụ
Tôi cần một cái gì đó tương đương với mã asreml-R:
Cú pháp mô hình đơn giản sẽ trông như sau:
rcb.asr <- asreml(yield ∼ Variety, random = ∼ Replicate, data = nin89)
.....model 0Mô hình tuyến tính được chỉ định trong các đối số cố định (bắt buộc), ngẫu nhiên (tùy chọn) và RCov (thành phần lỗi) làm đối tượng công thức. Mặc định là một thuật ngữ lỗi đơn giản và không cần phải được chỉ định chính thức cho thuật ngữ lỗi như trong mô hình 0 .
ở đây sự đa dạng là hiệu ứng cố định và ngẫu nhiên là bản sao (khối). Bên cạnh các điều khoản ngẫu nhiên và cố định, chúng tôi có thể chỉ định thuật ngữ lỗi. Đó là mặc định trong mô hình này 0. Thành phần dư hoặc lỗi của mô hình được chỉ định trong một đối tượng công thức thông qua đối số RCov, xem các mô hình sau 1: 4.
Mô hình sau đây phức tạp hơn trong đó cả cấu trúc G (ngẫu nhiên) và R (lỗi) được chỉ định.
Mô hình 1:
data(nin89)
# Model 1: RCB analysis with G and R structure
rcb.asr <- asreml(yield ~ Variety, random = ~ idv(Replicate),
rcov = ~ idv(units), data = nin89)Mô hình này tương đương với mô hình 0 ở trên và giới thiệu việc sử dụng mô hình phương sai G và R. Ở đây tùy chọn ngẫu nhiên và RCov chỉ định công thức ngẫu nhiên và RCov để chỉ định rõ ràng cấu trúc G và R. trong đó idv () là hàm mô hình đặc biệt trong asreml () xác định mô hình phương sai. Biểu thức idv (đơn vị) đặt rõ ràng ma trận phương sai cho e thành một danh tính tỷ lệ.
# Mô hình 2: mô hình không gian hai chiều với sự tương quan theo một hướng
sp.asr <- asreml(yield ~ Variety, rcov = ~ Column:ar1(Row), data = nin89)các đơn vị thử nghiệm của nin89 được lập chỉ mục bởi Cột và Hàng. Vì vậy, chúng tôi mong đợi sự thay đổi ngẫu nhiên theo hai hướng - hướng hàng và cột trong trường hợp này. trong đó ar1 () là một hàm đặc biệt chỉ định mô hình phương sai tự động theo thứ tự đầu tiên cho Row. Cuộc gọi này chỉ định cấu trúc không gian hai chiều có lỗi nhưng chỉ có tương quan không gian theo hướng hàng. Mô hình phương sai cho Cột là danh tính (id ()) nhưng không cần phải được chỉ định chính thức vì đây là mặc định.
# mô hình 3: mô hình không gian hai chiều, cấu trúc lỗi theo cả hai hướng
sp.asr <- asreml(yield ~ Variety, rcov = ~ ar1(Column):ar1(Row),
data = nin89)
sp.asr <- asreml(yield ~ Variety, random = ~ units,
rcov = ~ ar1(Column):ar1(Row), data = nin89)tương tự như mô hình 2 ở trên, tuy nhiên mối tương quan là hai hướng - một hướng tự động.
Tôi không chắc có bao nhiêu mô hình này có thể với các gói R nguồn mở. Ngay cả khi giải pháp của bất kỳ một trong những mô hình này sẽ giúp ích rất nhiều. Ngay cả khi cơn sốt +50 có thể kích thích để phát triển gói như vậy sẽ giúp ích rất nhiều!
Xem MAYSaseen đã cung cấp đầu ra từ mỗi mô hình và dữ liệu (dưới dạng câu trả lời) để so sánh.
Chỉnh sửa: Sau đây là gợi ý tôi nhận được trong diễn đàn thảo luận mô hình hỗn hợp: "Bạn có thể xem các gói hồi quy và không gian của David Clifford. Trước đây cho phép khớp các mô hình hỗn hợp (Gaussian) trong đó bạn có thể chỉ định cấu trúc của ma trận hiệp phương sai rất linh hoạt (ví dụ, tôi đã sử dụng nó cho dữ liệu phả hệ). Gói spatialCovariance sử dụng hồi quy để cung cấp các mô hình phức tạp hơn AR1xAR1, nhưng có thể phải áp dụng với tác giả về việc áp dụng nó cho vấn đề chính xác của bạn. "
corStructtrong nlme(đối với các tương quan bất đẳng hướng) ... Sẽ hữu ích nếu bạn có thể nêu ngắn gọn (bằng từ hoặc phương trình) các mô hình thống kê tương ứng với các câu lệnh ASREML này, vì chúng ta không quen thuộc lắm Cú pháp ASREML ...
MCMCglmmvà tôi khá chắc chắn rằng (ngoài cách spatialCovarianceđược đề cập, mà tôi không quen thuộc) cách duy nhất để thực hiện nó trong R là bằng cách xác định corStructs mới - có thể, nhưng không tầm thường.
lme4. Bạn có thể (a) cho chúng tôi biết lý do tại sao bạn cần phải làm điều nàylme4thay vìasreml-R(b) xem xét việc đăng bài ởr-sig-mixed-modelsnơi có chuyên môn phù hợp hơn không?