Mixed effects models回顾 (一)

芥末与薄煎饼

已于 2023-07-06 22:48:19 修改

阅读量162

点赞数

文章标签： r语言数学建模

于 2023-07-06 22:20:27 首次发布

本文链接：https://blog.csdn.net/weixin_42850327/article/details/131506971

版权

本文介绍了在生态学数据分析中，如何利用R语言进行混合效应模型的探索。通过数据探索，检查异常值、共线性和变量关系，并讨论了线性模型的局限性。接着，文章详细讲解了非线性问题的解决方案——广义加性模型(GAM)，包括单变量和多变量GAM模型的构建与交互作用的理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Mixed effects models 回顾（一）

数据探索
- 探索工具 (R language)：
Linear model具有局限性
- 模型的假设检验
解决非线性问题-GAM模型
- 多变量GAM模型
- - 使用一个Smoother拟合两个站位的数据：
  - 使用两个Smoother拟合两个站位的数据: GAM中的交互：

A.F. Zuur et al., Mixed Effects Models and Extensions in Ecology with R, 11 Statistics

数据探索

在进行数据分析之前，首先要对原始数据进行数据探索 (Data Exploration)。数据探索的目的如下：
(1) 检查响应变量、解释变量中是否存在异常值 (outliers)；
(2) 检查解释变量间是否存在共线性 (collinearity)；
(3) 考察解释变量与响应变量间的关系 (relationships)。

探索工具 (R language)：

Outliers: dotchart()

attach(Nereis) #暂时无法使用管道，故使用attach,一定记得deattach
dotchart(concentration, 
         groups = factor(nutrient),
         xlab = 'Concentrations',
         ylab = 'Nutrients',
         main = 'Cleveland dotplot',
         pch = nutrient) #点的区分
detach(Nereis)

Cleveland dotplot for outliers

上图分成了三份，分别对应三种营养盐类型。图的每一份中的横线代表的是数据在data frame中的顺序（第一个数据对应最低的横线，其在x轴上的位置，对应其浓度）；通过Cleveland dotplot，能够查看在不同营养盐类型下的数据分布（中心，离散度）。因此能够通过该图直接判断是否有outliers, 以及 是否满足齐性的前提假设。

Collinearity and relationships: ggpairs() in GGally package

ggpairs(dataframe)

ggpairs() for collinearity and relationships

Collinearity: VIF

待补充。

relationships: 分面

TeethNitrogen %>%
  ggplot() +
  geom_line(aes(x = Age, y = X15N)) +
  facet_wrap(.~Tooth)

在这里插入图片描述

线图的分面展示，展现变量之间的关系&#x

最低0.47元/天解锁文章