在R中（使用lme4），将时间序列纳入混合效应模型

Question

我已经搜索了类似的问题，但没有找到相关的问题，如果我错过了相关的问题，请谅解。

我正在研究在不同条件下饲料器使用时间（因变量），每个受试者访问30次饲料器。

受试者会接触一种类型的饲料器，该饲料器具有不同的组合，包括有香味/无香味、有视觉图案/无视觉图案，以及这些视觉或香味图案在两种空间安排中呈现。

到目前为止，我的模型是：

mod<-lmer(timeonfeeder ~ scent_yes_no + visual_yes_no + 
    pattern_one_or_two + (1|subject), data=data)

我该如何将访问次数纳入模型中，以查看这些因素是否会随时间影响饲料器上的停留时间？

- wonderburg

---

你有数据示例吗？ - Mathieu B

如果您假设时间上存在恒定的变化（访问次数），则可以将其作为额外的一级预测变量添加。如果您认为在受试者之间有不同的变化，还可以为时间变量指定随机系数。但是让我问一下：如果您对时机问题（花费的时间）感兴趣，那么您不应该进行持续时间分析（也称事件历程分析）吗？ - Dominix

@MathieuB 这是数据如何组合的示例 数据集非常庞大，因此即使只展示一个主题的数据也很困难。 - wonderburg

Answer 1

您有多种选择（这个问题可能会更适合CrossValidated）。

• 正如@Dominix所建议的，您可以允许饲料器上的时间呈线性增加或减少趋势。也许允许此变化在不同鸟类之间有所不同是有意义的：

timeonfeeder ~ time + ... + (time|subject)

你可以允许随着时间的变化出现任意模式（不仅限于线性）：

timeonfeeder ~ factor(time) + ... + (1|subject)

也许这对你来说没有意义，因为你有很多观测值，所以需要很多参数（如果每个人有三个时间点会更合理）。

你可以通过 加性模型 来允许更复杂的随时间变化的模式，即使用三次样条函数建模时间变化。例如：

library(mgcv)
gamm(timeonfeeder ~ s(time) + ... , random = ~1|subject

(1) 这假设时间模式在受试者之间相同；(2) 因为gamm()在底层使用lme而不是lmer，所以您必须将随机效应指定为一个单独的参数。（您也可以使用gamm4软件包，它在底层使用lmer。）

(3) 您可能希望考虑时间自相关性。例如，

lme(timeonfeeder ~ time + ... ,
    random = ~ time|subject,
    correlation = corAR1(form= ~time|subject) , ...)

- Ben Bolker

---

几乎可以，但(1|subject)是多余的；(visit_no|subject)等同于(1+visit_no|subject)，即包括受试者之间斜率和截距的变化。 - Ben Bolker

感谢大家抽出时间回答。我认为像Dominix和Ben建议的那样，我的最佳选择是允许饲料器上的时间随时间线性增加或减少。只是为了澄清，如果是这种情况，我是否需要更改我的模型为... mod<-lmer(timeonfeeder ~ visit_no + scent_yes_no + visual_yes_no + pattern_one_or_two + (1|subject) + (visit_no|subject), data=data)。如果我做错了，请原谅，因为我对R和混合模型都比较新（并且在Stack Overflow上发表评论）。困惑重重！ - wonderburg

非常棒，非常感谢。对于糟糕的格式我很抱歉。 - wonderburg

如果这个问题解决了你的问题，我们鼓励你点击勾选来接受它。 - Ben Bolker