Question

4个蜂箱配备了传感器，可收集蜂房内的温度，湿度，压力和分贝。这些是响应变量。

治疗是wifi暴露，实验组从第1天到第20天暴露于wifi，然后从第35-45天再次暴露，并且收集数据直到第54天。荨麻疹数= 4，n收集的数据通过每个蜂巢中的传感器=〜百万。

我在运行混合效果模型时遇到困难。

所有配置单元的响应变量都有一个数据框。

names(Hives)
[1] "time"           "dht22_t"        "dht11_t"        "dht22_h"       
[5] "dht11_h"        "db"             "pa"             "treatment_hive"
[9] "wifi"

时间为“％Y-％m-％d％H：％M：％S”，dht11 / 22_t / h是温度和湿度数据。 “wifi”是对应于暴露时间的二分变量（1 =开0 =关），治疗蜂巢是暴露于wifi的荨麻疹的另一个二分变量（1 =暴露，0 =对照）。

这是我得到的错误。

attach(Hives)
model2 = lme(pa_t~wifi*treatment_hive, random=time, na.action=na.omit, method="REML",)

Error in reStruct(random, REML = REML, data = NULL) : 
Object must be a list or a formula

以下是代码示例：

    time    dht22_t dht11_t dht22_h dht11_h db  pa  treatment_hive  wifi
1   01/09/2014 15:19    NA      NA  NA      NA  51.75467    NA      0   1
2   01/09/2014 15:19    30.8    31  59.8    44  55.27682    100672  0   1
3   01/09/2014 15:19    30.8    31  60.3    44  54.81995    100675  0   1
4   01/09/2014 15:19    30.8    31  60.9    44  54.14134    100671  0   1
5   01/09/2014 15:19    30.8    31  61.1    44  53.88574    100672  0   1
6   01/09/2014 15:19    30.8    31  61.2    44  53.68800    100680  0   1

R版本2.15.1（2012-06-22）平台：i486-pc-linux-gnu（32位）
附件包： [1] ggplot2_0.8.9 proto_0.3-9.2 reshape_0.8.4 plyr_1.7.1 nlme_3.1-104
[6] lme4_0.999999-0 Matrix_1.0-6 lattice_0.20-6

Answer 1

这里存在各种问题，一些与编程相关（StackOverflow），但可能统计问题（适用于CrossValidated或r-sig-mixed-models@r-project.org）更为重要。

tl; dr 如果您只是想避免错误，我认为您需要random=~1|hive（无论您的hive-indicator变量是什么）以适应基线响应（拦截）变化的模型穿过荨麻疹，但我鼓励你继续阅读...

我们可以有一个（小！）reproducible example？
不要使用attach(Hives)，在data=Hives电话中使用lme()（不一定是问题，但[更多]更好的做法）
只有4个荨麻疹，荨麻疹的随机效果规范是否有效是有问题的（尽管有100万个观察结果可能会让你失控）
随机效应必须由分类（因子）分组变量组成;在你的情况下，我认为“蜂巢”是分组变量，但我无法从你的问题中找出哪个变量识别荨麻疹
你几乎肯定会有一个模型来说明时间趋势和荨麻疹时间趋势的变化，即随机斜率模型，它将表示为formula=...~...+time, random=~time|hive（...代表的地方现有模型的各个部分）
你必须将时间转换为在模型中使用它的合理时间（请参阅?strptime或lubridate包），从开始时间开始的秒/分钟/小时可能是最明智的。（你的时间分辨率是多少？每个蜂巢有多个传感器，在这种情况下你应该考虑适应传感器的随机效应吗？）
您的模型适合的数百万个数据点可能非常慢;您可能需要考虑lme4包
拥有数百万个数据点，一切都将具有统计意义，并且对模型中未出现在数据中的方面非常敏感，例如（1）非线性时间趋势（例如，考虑拟合的附加模型） mgcv::gamm或gamm4包的时间趋势; （2）时间自相关（考虑在correlation模型中添加lme参数）。

Lme错误：＆＃34; reStruct错误＆＃34;

1 个答案: