Mô hình hỗn hợp tuyến tính với hiệu ứng lặp lại được lặp lại và cấu trúc hiệp phương sai AR1, trong R

Question

Tôi có dữ liệu sinh lý trong đối tượng từ người tham gia (part), tất cả đều xem xét kích thích (đọc báo) trên ba vòng (round). năm giấy tờ (paper), và trong mỗi số có số lượt truy cập khác nhau (visit) trên báo. Tôi có hai yếu tố cố định (CONDhier và CONDabund) cộng với tương tác để dự đoán trạng thái sinh lý (ví dụ: EDA), thường là tự động. Tôi cố gắng tính đến những khác biệt cá nhân trong sinh lý học với các hiệu ứng ngẫu nhiên (bây giờ chúng ta chỉ định lắng nghe), và có lẽ mệt mỏi qua các vòng với một hiệu ứng ngẫu nhiên khác.

Như vậy, mô hình của tôi mà tôi muốn chạy trong R sẽ là, trong SPSS:

MIXED EDA BY CONDhier CONDabund 
/FIXED=CONDhier CONDabund CONDhier*CONDabund | SSTYPE(3) 
/RANDOM=INTERCEPT | SUBJECT(part) COVTYPE(VC) 
/RANDOM=INTERCEPT | SUBJECT(part*round) COVTYPE(VC) 
/PRINT=SOLUTION 
/METHOD=REML 
/REPEATED=visit | SUBJECT(part*round*paper) COVTYPE(AR1). 

Bây giờ, tôi đã hiểu rằng trong khi lme không làm điều kiện vượt qua tốt, lmer (để xử lý về vượt qua không có vấn đề gì) không thể sử dụng các cấu trúc hiệp phương sai khác nhau. Tôi có thể chạy các mô hình lme đơn giản như

lme(EDA ~ factor(CONDhier) * factor(CONDabund), random= ~1 
    |part, na.action=na.exclude, data=phys2) 

nhưng mô hình phức tạp hơn ngoài tôi. Tôi đã đọc rằng điều kiện vượt qua trong LME có thể được thực hiện với định nghĩa ngẫu nhiên như

random=pdBlocked(list(pdCompSymm(~part), pdCompSymm(~round-1), pdCompSymm(~paper-1), 
pdCompSymm(~visit-1))) 

nhưng điều đó dường như để ngăn chặn các cấu trúc AR1, và đánh chặn ngẫu nhiên thứ hai cho phần * tròn, từ tôi. Và tôi không chắc chắn nó giống như cú pháp SPSS của tôi.

Vì vậy, bạn có lời khuyên nào không? Mặc dù có rất nhiều tác phẩm khác nhau trên lme và lmer, tôi không thể tìm thấy một trong đó sẽ có cả hai thuật ngữ vượt qua và AR1.

(Ngoài ra, cú pháp trên lme có vẻ khá mơ hồ: từ nhiều nguồn khác nhau tôi đã hiểu rằng | nhóm những gì ở bên trái bên dưới bên phải, điều đó tạo nên các thuật ngữ lồng nhau, rằng ~ 1 là chặn ngẫu nhiên, ~ x là độ dốc ngẫu nhiên và ~ 1 + x là cả hai, nhưng dường như có ít nhất: và -1 định nghĩa mà tôi không thể tìm thấy ở bất kỳ đâu. Có hướng dẫn nào giải thích tất cả các định nghĩa khác nhau không?)

Answer 1

Nếu bạn có số cross-covariance matrix hãy sử dụng phân tích tương quan kinh điển (CCA). Có một số documentedRpackage for CCA.

Answer 2

Hãy xem xét gói R MCMCglmm cho phép các mô hình hiệu ứng hỗn hợp phức tạp.

https://cran.r-project.org/web/packages/MCMCglmm/vignettes/CourseNotes.pdf

Mặc dù nó có thể là một thách thức để thực hiện, nó có thể giải quyết vấn đề vì bạn đã gặp. Nó cho phép các công thức hiệu ứng ngẫu nhiên và cố định được đưa ra riêng biệt, ví dụ như.

fixed <- formula(EDA ~ CONDhier * CONDabund) 
rand <- formula(~(us(1+ CONDhier):part + us(1+ CONDhier):round + us(1+ CONDhier):paper + us(1+ CONDhier):visit)) 

Cấu trúc hiệp phương sai giữa các tác động ngẫu nhiên được cho là hệ số có thể được xem xét sử dụng summary() trên đối tượng MCMCglmm sau khi mô hình đã được chạy.