如何检查和控制纵向数据混合效应模型中的自相关？

Question

我拥有多组鸟类超过 10 天的观察行为数据。我想调查某些行为是否存在时间模式（例如，配偶竞争是否会随着时间的推移而增加？）并且我被告知必须考虑数据的自相关性，因为行为不可能每天都是独立的。

不过我想知道两件事：

1. 由于我对 y 之间的差异不感兴趣，而是对 y 随天变化的趋势感兴趣，所以我还需要校正自相关吗？

2. 如果是，我如何控制自相关，以便只留下信号（当然还有噪声）？

对于第二个问题，请记住，我将使用 R 中的混合模型来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纠正自相关的直接方法对响应进行建模时的数据。

Answer 1

(1) 是的，您应该检查/考虑自相关。

这里的第一个示例显示了在考虑自相关的同时估计混合模型中的趋势的示例。

lme您可以从包装中安装这些模型nlme。这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 来探索自相关性plot(ACF(cmod_lme))。

(2) 将相关性添加到模型中，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，您将需要使用plot(ACF(cmod_lme_acor, resType = "normalized"))