Я постараюсь быть быстрым. Я работаю над исследованием продольного сплит-графика, и мне очень трудно его моделировать. Высоты 314 пней были измерены в двух областях в течение 9 лет (те же особи). каждая зона имела участок обработки и контрольный участок. Было 3 вида, два в области и один в другой области.
data.frame ': 1895 obs. из 5 переменных:
$ обработка: фактор с 2 уровнями "огорожен", "не огорожен": 1 1 1 1 1 1 1 1 1 1 ...
$ пень: фактор с 314 уровнями "210" , "211", "212", ..: 171 172 173 178 179 180 181 183 184 186 ...
$ разновидности: фактор с 3 уровнями "CS", "FO", "QR": 1 1 1 1 1 1 1 1 1 1 ...
$ hmean: число 140 130 85 150 170 90 70 135 105 95 ...
$ дней: число 378 378 378 378 378 378 378 378 378 378 .. .
Моя цель - смоделировать hmean , используя обработка , виды и дни в качестве фиксированных эффектов и Пень как случайный эффект. У меня есть некоторые проблемы в моделировании, потому что данные коррелируются во времени, и дисперсия моей переменной отклика высота увеличивается по сравнению с переменной "дни".
Я попробовал этот код:
vs <- varPower(form = ~ days)
glmmTMB(hmean ~ species*treatment*days + ar1(days | stump),
family = Gamma(link = "log"),
weights= vs,
data=data_hmean)
, и он дал мне такой результат:
Error in model.frame.default(data = data_hmean, weights = vs, drop.unused.levels = TRUE, :
variable lengths differ (found for '(weights)')
Как я могу решить эту проблему? Любое предложение?