如果有人能帮我解决这个问题,我会很高兴。我有重复测量设计的数据,我们测试了鸟类感染前后的 react ( time.dep
)( exper
)。我们还将 FL
(燃料负荷,瘦体重百分比)、脂肪评分和组(实验 vs 控制)作为解释变量。我决定使用 LME
,因为残差的分布不偏离正态。但是残差的同质性存在问题。 “之前”和“之后”组的差异以及脂肪水平之间的差异显着(Fligner-Killeen 测试,分别为 p=0.038
和 p=0.01
)。
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
在我选择了模型的随机部分,即随机截距 (
~1|ring
) 之后,我为“fat”和“exper”(varComb(varIdent(form=~1|fat), varIdent(form=~1|exper)
) 应用了权重参数。现在标准化残差与拟合的图看起来更好,但我仍然违反了这些变量的同质性(fligner 测试中的相同值)。我做错了什么? 最佳答案
lme
中的一个常见陷阱是默认值是给出原始残差,即未针对可能已使用的任何异方差性 ( weights
) 或相关性 ( correlation
) 子模型进行调整。从 ?residuals.lme
:
因此,如果您希望针对异方差(包含在模型中)校正残差,则需要 type="pearson"
;如果您希望针对相关性更正它们,则需要 type="normalized"
。
关于r - LME 中使用的 varIdent 函数工作正常吗?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/24106604/