如何在纵向数据的混合效应模型中检查和控制自相关？

Question

我有超过10天观察的许多鸟类的行为数据。我想调查一些行为中是否存在时间模式（例如配偶竞争是否会随着时间的推移而增加？）我被告知我必须考虑数据的自相关性，因为行为在每一天都不可能是独立的。

但是我想知道两件事：

1. 由于我对天数之间的差异感兴趣，但是对于y天的趋势不感兴趣，我还需要纠正自相关吗？

2. 如果是的话，我如何控制自相关，以便我只留下信号（当然还有噪音）？

对于第二个问题，请记住我将使用R中的混合模型分析时间对行为的影响（因为存在伪复制等随机效应），但我还没有找到任何直接的纠正方法在对响应建模时数据中的自相关。

Answer 1

（1）是的，您应该检查/帐户是否存在自相关。

第一个示例here显示了在考虑自相关的同时估计混合模型趋势的示例。

您可以使用lme包中的nlme来填充这些模型。这是一个混合模型，不包含自相关：

cmod_lme <- lme(GS.NEE ~ cYear,
            data=mc2, method="REML",
            random = ~ 1 + cYear | Site)

您可以使用plot(ACF(cmod_lme))来探索自相关。

（2）将相关性添加到模型中：

cmod_lme_acor <- update(cmod_lme, 
       correlation=corAR1(form=~cYear|Site)

@JeffreyGirard指出

  

在更新模型后检查ACF以包含相关参数，您需要使用plot(ACF(cmod_lme_acor, resType = "normalized"))