Czy lmer () może używać splajnów jako efektów losowych?

Załóżmy, że pracujemy nad modelem efektów losowych niektórych danych zliczanych w czasie i chcemy kontrolować niektóre trendy. Zwykle zrobiłbyś coś takiego:

lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson")

zawierać kwadratowy kształt dla t. Czy można zastosować bardziej wyrafinowane techniki wygładzania, takie jak wygładzanie LOESS lub splajny, aby modelować ten związek?

Jeśli to, co pokazujesz, działa dla lmerformuły dla terminu efektów losowych, powinieneś być w stanie użyć funkcji z pakietu splajnów dostarczonego z R do skonfigurowania odpowiednich funkcji podstawowych.

require("lme4")
require("splines")
lmer(counts ~ dependent_variable + (bs(t) | ID), family="poisson")

W zależności od tego, co chcesz zrobić, powinieneś także spojrzeć na pakiet gamm4 i pakiet mgcv . Ten pierwszy zasadniczo formalizuje bs()bit w lmer()powyższym wywołaniu i pozwala na dokonanie wyboru gładkości w ramach analizy. Ten drugi z funkcją gam()pozwala na pewien stopień elastyczności w dopasowywaniu modeli takich jak ten (jeśli rozumiem, co próbujesz zrobić). Wygląda na to, że chcesz mieć w sobie odrębne trendy ID? Bardziej ustalonym podejściem do efektów byłoby coś takiego:

gam(counts ~ dependent_variable + ID + s(t, by = ID) , family="poisson")

W gam()modelach można włączać losowe efekty , używając s(foo, bs = "re")typów, które foobyłyby IDw twoim przykładzie. To, czy sensowne jest połączenie bypojęcia pomysł z przypadkowym efektem, jest czymś do przemyślenia, a nie czymś, co mogę kwalifikować się do komentowania.