Привет. У меня есть продольный набор данных, в котором у нас есть данные о профессионалах и оценка инвентаризации выгорания Маслаха.
The basic data looks like:
data.frame': 1907 obs. of 22 variables:
$ MBI_1 : num 6 4 2 3 7 5 6 6 6 4 ...
$ MBI_2 : num 5 6 0 2 5 4 4 5 5 2 ...
$ MBI_3 : num 4 4 0 2 4 4 1 3 4 2 ...
$ MBI_4 : num 4 14 7 4 1 9 6 8 9 6 ...
$ MBI_5 : num 3 12 6 3 1 3 7 7 7 3 ...
$ MBI_6 : num 8 3 6 3 5 3 5 6 6 4 ...
$ MBI_7 : num 5 14 8 10 1 10 10 8 8 6 ...
$ MBI_8 : num 3 2 0 1 4 4 2 3 3 2 ...
$ MBI_9 : num 2 11 7 6 7 7 5 7 6 4 ...
$ MBI_10: num 3 10 4 3 4 5 9 6 9 3 ...
$ MBI_11: num 3 8 4 4 7 7 8 6 8 5 ...
$ MBI_12: num 6 3 6 6 7 5 4 7 7 2 ...
$ MBI_13: num 4 6 6 4 6 3 5 4 8 2 ...
$ MBI_14: num 0 4 0 1 4 3 1 2 3 0 ...
$ MBI_15: num 3 12 3 3 1 3 8 5 6 3 ...
$ MBI_16: num 5 5 3 2 2 4 3 1 6 2 ...
$ MBI_17: num 3 14 9 7 3 9 7 1 9 5 ...
$ MBI_18: num 3 13 3 6 9 9 4 6 9 3 ...
$ MBI_19: num 8 6 4 6 9 9 5 8 10 3 ...
$ MBI_20: num 0 1 0 0 0 1 1 1 2 0 ...
$ MBI_21: num 5 5 7 5 1 7 7 6 7 4 ...
$ MBI_22: num 3 12 3 3 1 3 3 6 5 3 ...
Я суммировал все эти оценки по строкам и создал новую переменную под названием «mbitot», которая подводит итоги по каждому человеку по 22 ответам в каждый момент времени (что составляет 4 посещения )
This is how it looks:
num [1:1907] 86 169 88 84 89 117 111 112 143 68 ...
Там есть несколько АН.
Тогда я побежал
library(nlme)
fit1=gls(mbi`itot~as.factor(visit),data=mss,na.action=na.exclude)
ACF(fit1,form=~1|ID)
##Output i am getting is
lag ACF
1 0 NA
2 1 NA
3 2 NA
4 3 NA
5 4 NA
6 5 NA
Прежде всего, я не могу понять, почему я получаю АН. Итоги регрессии выходят хорошо, и там нет НС. Результаты регрессии: Перехват 95.93, Наклон 6.5 с корреляцией -0.89.
Есть идеи, почему я получаю эти NA? Любой вклад будет оценен. Спасибо