让我们以Pixel
数据集为例。
Grouped Data: pixel ~ day | Dog/Side
Dog Side day pixel
1 1 R 0 1045.8
2 1 R 1 1044.5
3 1 R 2 1042.9
pixel
是响应。Dog
有10个级别。Side
有2个级别。day
有9个级别。我想拟合一个模型,其中协方差矩阵是 10x10 单位Dog
矩阵、2x2 单位Side
矩阵、9x9 AR1day
矩阵之间的直接(kronecker)乘积。
所以应该是这样的
lme(pixel~1,corr=corAR1(form~1|Dog/Side),weights=varIdent(form=~1|Dog*Side),data=Pixel)
但是在这里,我在术语之间Dog
和术语中得到了嵌套结构。虽然这对于这个数据集是正确的,但我希望它通常是交叉的。此外,我不确定不同的组件将使用直接产品内部的.Side
corr
Dog:Side
corr
weights
lme
ps 我知道这个数据集是不平衡的,所以不是所有的 10x2x9=180 组合都存在。但是我仍然需要一般的直接产品结构,也许可以针对缺失的级别进行适当的调整。