Jeśli to, co pokazujesz, działa dla lmer
formuły 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 foo
byłyby ID
w twoim przykładzie. To, czy sensowne jest połączenie by
pojęcia pomysł z przypadkowym efektem, jest czymś do przemyślenia, a nie czymś, co mogę kwalifikować się do komentowania.
Przywróć Monikę - G. Simpson
źródło