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/