当我在重复测量和varIdent中使用lme时,遇到了奇怪的结果。任何与此有关的帮助将非常感谢!lme with varIdent for repeated measures
我正在测试沿时间序列的叶子的13C信号是否在2种(A和B)之间不同。我基本上对物种之间的整体差异感兴趣,而不是特定的时间点。
这里是我的数据集:
Block Species time X13C
1 B 2 0.775040865
2 B 2 0.343913792
3 B 2 0.381053614
1 A 2 0.427101597
2 A 2 0.097743662
3 A 2 0.748345826
1 B 24 0.416700446
2 B 24 0.230773558
3 B 24 0.681386484
1 A 24 0.334026511
2 A 24 0.866426406
3 A 24 0.606346215
1 B 48 0.263085491
2 B 48 0.083323709
3 B 48 0.534697801
1 A 48 0.30594443
2 A 48 0.024555489
3 A 48 0.790670392
1 B 96 0.158090804
2 B 96 0.254880689
3 B 96 0.082666799
1 A 96 0.139189281
2 A 96 0.300340119
3 A 96 0.233149535
1 B 192 0.055421148
2 B 192 0.082582155
3 B 192 0.136636735
1 A 192 0.03641637
2 A 192 0.06082544
3 A 192 0.126029308
我申请以下模型:
bulk<-lme(X13Catex ~ Species*time, random = ~1|Block/Species, method='REML', na.action=na.exclude, data=VacL, corAR1())
由于存在异质性的残差时,我申请varIdent,提高了模型符合(AIC)。标准化的残差图也看起来不错。
bulk.var<-lme(X13Catex ~ Species*time, random = ~1|Block/Species, method='REML', na.action=na.exclude, data=VacL, corAR1(), weights=varIdent(form=~1|time))
的事情是,这段代码我得到物种显著p值,但看着我的数据似乎并没有该物种的不同在所有...我认为这是很奇怪的得到如此低的p值,因为误差线在每个时间点重叠,并且在某些时间点A大于B,而在另一些时间点则相反。
它再次发生了,当我分析了其他类似的变量...
我不知道一个问题可能是每个品种在每个取样时间的低复制(N = 3)。难道是应用varIdent和一个“相对复杂”的模型,如此低的重复数量解释了显着的p值?有关如何处理这个问题的任何建议?
谢谢!
是的,看起来问题仍然存在......我之前没有尝试使用varPower,我不知道它是否比varIdent更合适...无论如何,谢谢! – Alba