我正在努力使gls模型适合我的最大可能性。我想强加以下相关结构：
协方差矩阵是块对角线，有三个不同大小的块。
第一个块是具有常数方差的对角线，或者如果我们在相关性方面进行讨论则是单位矩阵
第二个块本身是2乘2矩阵的块对角线。也就是说，第一个观察与第二个相关，第三个观察与第四个相关，依此类推。此块中的所有相关性都相同，例如rho1。
第三个块与第二个块类似，但具有不同的相关参数，例如rho2。
总之，我在三组内重复观察。第二组由配对观察组成，我想估计相关性。
我正在尝试使用nlme软件包来做这件事，但这本身并不重要，对我来说任何有用的东西。
任何帮助表示感谢。
以下是一个例子：
# Example data
library(MASS)
library(nlme)
e0 <- rnorm(12)
e1 <- mvrnorm(10, mu = c(0, 0), Sigma = matrix(c(1, 0.5, 0.5, 1), ncol = 2))
e2 <- mvrnorm(5, mu = c(0, 0), Sigma = matrix(c(1, 0.2, 0.2, 1), ncol = 2))
Y <- 1 + c(e0, matrix(t(e1)), matrix(t(e2)))
Pair <- factor(c(1:12, rep(13:22, each = 2), rep(23:27, each = 2)))
假设我想使用gls估计平均值（我有一个带预测变量的回归设置，但让我们在这里简化）并且知道真正的相关结构，但不知道真正的值。如果所有相关性都相同，我可以做（我猜）
gls(Y ~ 1, correlation = corCompSymm(form = ~1|Pair), method = "ML")
但是在这里我想要在e1和e2中生成的对的不同相关参数。 e0中的观察结果不是真正的对，只是iid观察结果。