r - 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10天观察许多鸟类的行为数据。我想调查某些行为是否存在时间模式(例如，配偶竞争会随着时间的推移而增加吗？有人告诉我，我必须考虑数据的自相关性，因为行为不太可能每天都是独立的。

但是我想知道两件事：

1. 由于我对 y 在天之间的差异不感兴趣，而是对 y 在几天内的趋势感兴趣，我还需要纠正自相关吗？

2. 如果是，我如何控制自相关，以便我只被排除在信号(当然还有噪声)之外？

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(因为存在伪复制等随机效应)，但我还没有找到任何直接的方法在建模响应时校正数据中的自相关。

Answer 1

(1) 是的，您应该检查/考虑自相关。

此处的第一个示例显示了在考虑自相关的情况下估计混合模型中的趋势的示例。

您可以使用nlme包装中的lme来安装这些模型。 下面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plot(ACF(cmod_lme))来探索自相关。

(2)向模型添加相关性，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"))