선형 회귀 모델과 비선형 회귀 모델에는 몇 가지 차이점이 있지만, 주된 수학적 모델은 선형 모델이 매개 변수에서 선형 인 반면 비선형 모델은 매개 변수에서 비선형이라는 것입니다. nlmeR 패키지의 저자 인 Pinheiro와 Bates (2000, pp. 284-285) 는 모델 선택에서보다 실질적인 고려 사항을 우아하게 설명했습니다.
반응 변수가 공변량에 따라 어떻게 다른지 설명하기 위해 회귀 모델을 선택할 때 항상 다항식 모델과 같이 모수에서 선형 인 모델을 사용할 수 있습니다. 다항식 모델의 차수를 늘리면 관측 된 데이터 범위 내에서 일반적으로 비선형 회귀 함수에 대한 정확한 근사치를 점점 더 정확하게 얻을 수 있습니다. 이러한 경험적 모델은 반응과 공변량 간의 관측 된 관계에만 기반하며 데이터를 생성하는 기본 메커니즘에 대한 이론적 고려 사항은 포함하지 않습니다. 반면, 비선형 모델은 종종 기계적인, 즉 응답을 생성하는 메커니즘에 대한 모델을 기반으로합니다. 결과적으로 비선형 모델의 모델 매개 변수는 일반적으로 자연스럽게 해석됩니다. 경험적으로 도출 된 경우에도 비선형 모델은 일반적으로 무증상 및 단조 성과 같은 알려진 이론적 데이터 특성을 포함하며 이러한 경우 반 기계적 모델로 간주 될 수 있습니다. 비선형 모델은 일반적으로 다항식과 같은 경쟁사 선형 모델보다 적은 수의 매개 변수를 사용하므로 데이터에 대해보다 괄목 할만한 설명을 제공합니다. 비선형 모델은 또한 다항식 모델보다 관측 된 데이터 범위 밖의 응답 변수에 대해보다 안정적인 예측을 제공합니다. 데이터에 대해 좀 더 냉담한 설명을합니다. 비선형 모델은 또한 다항식 모델보다 관측 된 데이터 범위 밖의 응답 변수에 대해보다 안정적인 예측을 제공합니다. 데이터에 대해 좀 더 냉담한 설명을합니다. 비선형 모델은 또한 다항식 모델보다 관측 된 데이터 범위 밖의 응답 변수에 대해보다 안정적인 예측을 제공합니다.
선형성 문제를 넘어서는 nlme 패키지와 lme4 패키지에는 큰 차이가 있습니다. 예를 들어, nlme를 사용하면 선형 또는 비선형 모델에 적합 할 수 있으며, 두 유형 중 하나에 대해 그룹 내 오류 (예 : 자동 회귀)에 대한 분산 및 상관 구조를 지정할 수 있습니다. lme4는 그렇게 할 수 없습니다. 또한 임의의 효과는 어느 패키지에서든 고정되거나 교차 될 수 있지만 lme4에서 교차 된 임의 효과를 지정하고 모델링하는 것이 훨씬 쉽습니다.
먼저 a) 비선형 모델이 필요한지 여부와 b) 그룹 내 분산 또는 상관 구조를 지정해야하는지 고려하는 것이 좋습니다. 이 답변 중 하나라도 그렇다면 nlme를 사용해야합니다 (R을 고수하고 있음). 랜덤 효과를 교차하는 선형 모델 또는 중첩 및 교차 랜덤 효과의 복잡한 조합으로 많은 작업을 수행하는 경우 lme4가 더 나은 선택 일 수 있습니다. 두 패키지를 모두 사용하는 법을 배워야 할 수도 있습니다. lme4를 먼저 배운 다음 자동 회귀 오류 구조로 작업하기 때문에 nlme를 사용해야한다는 것을 깨달았습니다. 그러나 교차 요인이있는 실험의 데이터를 분석 할 때 여전히 lme4를 선호합니다. 좋은 소식은 lme4에 대해 배운 내용이 nlme에 잘 전달되었다는 것입니다. 어느 쪽이든
참고 문헌
Pinheiro, JC, & Bates, DM (2000). S 및 S-PLUS의 혼합 효과 모델 . 뉴욕 : Springer-Verlag.