2

我有超过 10 天观察的多组鸟类的行为数据。我想调查某些行为是否存在时间模式（例如，配偶竞争是否会随着时间的推移而增加？）有人告诉我，我必须考虑数据的自相关，因为每天的行为不太可能是独立的。

但是我想知道两件事：

  1. 由于我对天之间 y 的差异不感兴趣，但对 y 随天的趋势不感兴趣，我还需要校正自相关吗？

  2. 如果是，我如何控制自相关，以便我只被信号（当然还有噪声）排除在外？

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（因为存在随机效应，例如伪复制），但我还没有找到任何直接的方法来纠正自相关建模响应时的数据。

4

1 回答 1

4

(1) 是的，您应该检查/考虑自相关。

这里的第一个示例显示了在考虑自相关的同时估计混合模型中的趋势的示例。

lme您可以从nlme包装中安装这些模型。这是一个不包含自相关的混合模型：

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

您可以使用 探索自相关plot(ACF(cmod_lme))。

(2) 为模型添加相关性，如下所示：

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

@JeffreyGirard 指出

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

于 2018-04-12T12:55:50.927 回答