如果有人能帮我解决这个问题，我会很高兴的。我有重复测量设计的数据，我们测试了感染前后鸟类（time.dep）的反应（exper）。我们还有FL（燃料负荷，瘦体重百分比），脂肪评分和组（实验与对照）作为解释变量。我决定使用LME，因为残差的分布不会偏离正常。但是残差的同质性存在问题。 “之前”和“之后”以及脂肪水平之间的组的差异显着不同（分别为Fligner-Killeen测试，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
在我选择模型的随机部分（随机截距（~1|ring）后，我已经为“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，但我仍然得到这些变量的同质性的违反（在fligner测试中相同的值）。我做错了什么？
答案 0 :(得分：3)
lme中的一个常见陷阱是默认是给出原始残差，即不针对任何异方差性（weights）或相关性（correlation）子模型进行调整可能已被使用过。来自?residuals.lme：
type ：指定残差类型的可选字符串 要使用的。如果'“响应”'，默认为“原始” 使用残差（观察拟合）;否则，如果'“pearson”'， 标准化残差（原始残差除以 使用相应的标准误差;否则，如果 ''标准化''，标准化残差（标准化 残差乘以逆平方根因子 使用估计的误差相关矩阵。局部 使用参数匹配，因此只使用第一个字符 需要提供。
因此，如果您希望根据异方差性校正残差（包含在模型中），则需要type="pearson";如果您希望对它们进行相关性校正，则需要type="normalized"。