Zulassen, Korrelationsparameter in GLS von Gruppierungsfaktor

Question

abhängen Unten gibt es eine MWE des Problems, das ich begegne. Ich verwende den Datensatz Orthodont aus dem Paket nlme, das aus 4 Messungen für 27 Kinder (16 Mädchen, 11 Jungen) besteht. Um die Korrelation zu modellieren, verwende ich eine unstrukturierte Kovarianzstruktur durch Angabe von correlation = corSymm(form = ~1|Subject). Ich erlaube eine nicht-konstante Varianz über verschiedene Messanlässe hinweg, möchte aber auch zulassen, dass die Varianz-Kovarianz-Parameter für Jungen und Mädchen unterschiedlich sind (z. B. weil die Korrelation zwischen Messungen bei Jungen möglicherweise höher/niedriger ist als bei Mädchen). Ich kann diese Heterogenität für die Varianzparameter berücksichtigen, indem ich weights = varIdent(form = ~1|age*Sex) spezifiziere, aber weiß jemand, wie man diese Heterogenität für die Korrelationsparameter erlaubt/spezifiziert?

Ich weiß, das in SAS möglich ist proc mixed durch die group Option in der repeated Anweisung (http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#statug_mixed_sect019.htm) spezifiziert, aber ich habe keinen Weg, um mit diesem in R.

Vielen Dank im Voraus gefunden!

library(nlme) 
head(Orthodont) 
fit <- gls(distance ~ age * Sex, correlation = corSymm(form = ~1|Subject), 
      weights = varIdent(form = ~1|age*Sex), data = Orthodont, na.action = na.exclude) 

Answer 1

Ich bin mir nicht ganz sicher, das ist, was Sie suchen, aber geben diese einen Versuch:

fit <- gls(distance ~ age * Sex, 
      correlation = corSymm(form = ~1|Subject/Sex), 
      weights = varIdent(form = ~1|age*Sex), 
      data = Orthodont, na.action = na.exclude) 

Es passt ein völlig getrenntes Tag zu Tag Korrelation für Männer und Frauen . Wenn Sie

summary(fit) 

ausführen, zeigt es dies ziemlich deutlich.