혼합 모형에서 예측 자로 시간을 포함 할 수 있습니까?

나는 항상 시간이 회귀 (감사 포함)의 예측 변수로 사용되어서는 안된다고 믿었습니다. 그 이유는 단순히 추세 자체를 "설명"하기 때문입니다. 연구의 목표가 온도 등의 환경 변수를 찾아서 동물의 활동을 설명하는 것이라면, 어떻게 시간을 쓸 수 있을지 궁금합니다. 측정되지 않은 매개 변수의 프록시로?

하버 포포 이즈의 활동 데이터에 대한 일부 트렌드는 여기에서 볼 수 있습니다.-> GAMM을 수행 할 때 시계열의 차이를 처리하는 방법은 무엇입니까?

내 문제는 : 내 모델에 시간을 포함하면 (julian 일로 측정) 다른 모든 매개 변수의 90 %가 중요하지 않게됩니다 (mgcv에서 ts- 축소가 원활 해집니다). 시간을 초과하면 그 중 일부가 중요합니다 ...

문제는 예측 자로 허용되는 시간입니까 (필요할 수도 있습니까?) 또는 분석을 망칠까요?

미리 감사드립니다

시간이 허락된다; 필요한지 여부는 모델링하려는 대상에 따라 다릅니다. 당신이 가진 문제는 데이터의 추세에 맞는 공변량을 가지고 있다는 것입니다. 시간은 마찬가지로 잘 할 수 있지만 자유도는 적기 때문에 시간 대신에 제거됩니다.

시스템을 모델링하는 데 관심이있는 경우 시간에 따른 반응의 변화를 모델링하는 것이 아니라 시간에 따른 반응과 공변량 간의 관계가 공변량으로 포함되지 않습니다. 반응의 평균 수준의 변화를 모형화하는 것이 목적이라면 시간은 포함하지만 공변량은 포함하지 마십시오. 당신이 말한 것에서, 당신은 후자가 아니라 전자를 원하고 모델에 시간을 포함 해서는 안됩니다 . (하지만 아래의 추가 정보를 고려하십시오.)

그래도 몇 가지주의 사항이 있습니다. 이론을 유지하려면 잔차는 iid (또는 상관 관계 구조를 사용하여 독립성 가정을 완화하는 경우 id) 여야합니다. 공변량의 함수로 반응을 모형화하고 데이터의 추세를 적절하게 모형화하지 않으면 잔차에 추세가 생겨서 적합하는 상관 구조가이 추세에 대처할 수 없다면 이론의 가정을 위반하게됩니다.

반대로, 응답만으로 (시간 만 포함) 추세를 모델링하는 경우 추세 (시간)로 설명되지 않은 잔차 (적합한 추세에 대한)에 체계적인 변화가있을 수 있으며 이는 가정을 위반할 수도 있습니다. 잔차를 위해. 이러한 경우 잔차 iid를 렌더링하기 위해 다른 공변량을 포함해야 할 수도 있습니다.

이것이 왜 문제입니까? 예를 들어 추세 성분이 유의한지 또는 공변량의 영향이 유의한지 여부를 테스트 할 때 사용 된 이론은 잔차가 iid라고 가정합니다. iid가 아닌 경우 가정은 충족되지 않으며 p- 값이 바이어스됩니다.

이것의 요점은 잔차가 사용되는 이론에 대해 iid가되도록 피팅 된 구성 요소가 중요한지 테스트하기 위해 데이터의 모든 다양한 구성 요소를 모델링해야한다는 것입니다.

예를 들어 계절별 데이터를 고려하고 데이터의 장기 변동 인 추세를 설명하는 모델을 적합 시키려고합니다. 계절 순환 변동이 아닌 추세 만 모형화하는 경우 잔차가 iid가 아니므로 적합 추세가 유의한지 여부를 테스트 할 수 없습니다. 이러한 데이터의 경우 계절 성분과 추세가 모두 포함 된 모형을 적합시켜야합니다. 구성 요소 및 계절 구성 요소 만 포함 된 null 모델입니다. 그런 다음 일반화 된 우도 비 검정을 사용하여 두 모델을 비교하여 적합 추세의 중요성을 평가합니다. 이것은를 사용하여 장착 된 두 모델 anova()의 $lme구성 요소를 사용하여 수행됩니다 gamm().