Нормальность для нелинейных смешанных моделей, использующих R - PullRequest
Новая
       43

Нормальность для нелинейных смешанных моделей, использующих R

1 голос
/ 11 июля 2019

Мой набор данных соответствует повторному измерению параметра веса для 700 человек, сгруппированных по ID | Mother_ID .

Начиная со сравнения другой нелинейной модели смешанного эффекта, модель MMF является лучшей с точки зрения AIC по сравнению с логистической моделью, моделью Ричардса и другими нелинейными моделями роста, но нормальность невязок ей не соответствует.

Однако в логистических моделях AIC выше, но остаточное распределение нормальное.

Должен ли я рассмотреть преобразование переменной ответа (вес, sqrt является лучшим)

ИЛИ

Должен ли я переключиться наЛогистическая нелинейная смешанная модель?

Исходная модель y~(w0*b+c*Age^d)/(b+Age^d).

Я уже пробовал sqrt(weight)~(w0*b+c*Age^d)/(b+Age^d), а остатки обычно распределяются сейчасно я не уверен, следует ли нам действовать таким же образом, как мы делаем для нормальности в случае линейных моделей.

MMF= function(w0, Age, b, c,d){  
  (w0*b+c*Age^d)/(b+Age^d)   
} 

DerivMMF = deriv(body(MMF)[[2]], namevec = c("w0", "b", "c", "d"), function.arg= MMF) 

model_MMF=nlme(Weight~DerivMMF(w0,Age,b,c,d), fixed=w0+b+c+d~1, random=pdDiag(b+d+c~1), data=test_grp, start=Start_F)
  • Обратите внимание, что набор данных test_grp сгруппирован по ID | Mother_ID и мои данные несбалансированы с точки зрения повторных измерений.
...