0

正如标题所说，我的一个项目的实验设计给了我一些真正的数据分析难题。我有一个封闭的实验（n=13），每块有 8 个图。用三种处理的全因子组合处理块，每种处理具有两个水平（对照和处理）。此外，块被分割，第四次处理应用于每个地块的随机一半。

我们的目标是确定对一组响应变量影响最大的治疗组合。我们监控了许多响应变量，每个变量都有自己的复杂性。这包括：

  1. 我们记录了处理前和处理后三年的一组土壤测量值。我的 PI 建议使用 (Pre-post)/Pre 的指标来衡量由预处理值缩放的百分比变化。

  2. 处理后 6 个月和 3 年时间点的土壤测量。我们最终会有一个中间时间点，但仍在处理样本。奇迹般地，这个变量是正态分布的，我用重复测量lmer模型对此进行了分析。

  3. 对高度零膨胀的连续变量的重复测量。我正在探索在 glmmTMB 模型中使用 zi beta 分布。

  4. 重复测量的植物计数数据也高度零膨胀。这包括植物的总数，以及可能是（总侵入性）/总的非本地植物的量度，但我不赞成这种方法。我正在研究 zi Poisson 或负 bionmial 进行此分析。

我从 1 开始，以建立我对这种分析方法的理解。我的 PI 不能在 R 中工作，所以我在网上搜索了指导，并遇到了我所在机构的统计咨询实验室。不幸的是，统计顾问也不是经验丰富的 R 用户，所以我担心我一直在运行的模型可能结构不正确。

这是任何给定变量的数据的通用示例

堵塞 阴谋 T1 T2 T3 分裂 治疗 时间 回复
1 1 应用 控制 控制 应用 Applied_Control_Control Apr-18 12
1 1 应用 控制 控制 控制 Applied_Control_Control Apr-18 3
1 2 控制 应用 控制 控制 Control_Applied_Control Apr-18 7
1 3 控制 应用 应用 应用 控制_应用_应用 Apr-18 12

  1. lmer.1 <- lmer(Change ~ Block + T1*T2*T3*Split + (1|Treatment:Block), data=data1) 其中 change= (Pre-Post)/Post ; 块=块；T1-3 是三个整区处理，每个处理都有两个水平（对照，处理）；拆分是在裂区级别应用的处理；而治疗是T1-3的特定组合应用于一个情节，所以它有8个级别。

  2. lmer.2 <- lmer(Response ~ Block + T1*T2*T3*Split*Time + (1|Treatment:Block) + (1|Time) , data=data2) 时间是样本的月/年，采用日期格式

  3. gme.3<- glmmTMB(Measurement~Block + T1*T2*T3*Split+ (1|Treatment:Block), data=data3, ziformula=~1, family=beta_family(link='logit')) 在这里，我正在尝试实现零膨胀的 beta 分布。当以任何方式在此模型中包含时间时，我无法获得模型收敛，因此到目前为止我选择分别查看四个时间点中的每一个。

我尝试以这种方式运行它： gme.3<- glmmTMB(Measurement~Block + T1*T2*T3*Split*Time + (1|Treatment:Block) + (1|Time) , data=data3, ziformula=~1, family=beta_family(link='logit')) 并收到警告：警告（函数（start，objective，gradient = NULL，hessian = NULL，：NA / NaN函数评估）输出具有除估计之外的所有内容的NA。

这是按时间点分解的原始数据的直方图，以显示我们正在使用的形状： 我的原始数据的直方图

  1. 还没有尝试过，但它可能会采用 3) 的方式，但指定了不同的家庭。

我对到目前为止所做的事情的问题/担忧包括

  1. 这个模型结构是否充分反映了我的实验设计，尤其是在裂区方面。分裂图的两侧在空间上不是独立的，这似乎没有反映在代码中，但我找不到任何如何更好地处理这个问题的例子。我还怀疑我的嵌套结构是向后的，应该是 (1|Block:Treatment)

  2. 对于重复测量，我将时间作为与治疗的交互效应，并在我咨询的统计学家的指导下将其作为随机效应（1|时间）。我的阅读表明它应该仅作为随机效应包含在内？

  3. 如果我的样本量不足以支持 glmmTMB 模型的重复测量方面，我可以接受，但是在此模型构建中是否存在明显的问题？

长期阅读者；第一次问。如果有更多信息或细节有助于回答我的问题，请告诉我。

4

0 回答 0