Co zaskakujące, nie byłem w stanie znaleźć odpowiedzi na następujące pytanie za pomocą Google:
Mam pewne dane biologiczne od kilku osób, które pokazują z grubsza esicy zachowanie wzrostu w czasie. Dlatego chcę go modelować przy użyciu standardowego wzrostu logistycznego
P(t) = k*p0*exp(r*t) / (k+p0*(exp(r*t)-1))
gdzie p0 jest wartością początkową przy t = 0, k oznacza asymptotyczną granicę przy t-> nieskończoności, zaś r jest prędkością wzrostu. O ile widzę, mogę łatwo modelować to za pomocą nls (brak zrozumienia z mojej strony: dlaczego nie mogę modelować czegoś podobnego za pomocą standardowej regresji logit poprzez skalowanie czasu i danych? EDYCJA: Dzięki Nick, najwyraźniej ludzie robią to np. Dla proporcje, ale rzadko http://www.stata-journal.com/article.html?article=st0147 . Następnym pytaniem dotyczącym tej stycznej byłoby pytanie, czy model jest w stanie obsłużyć wartości odstające> 1).
Teraz chcę pozwolić na pewne stałe (głównie kategoryczne) i niektóre losowe (indywidualny identyfikator i ewentualnie także identyfikator badania) wpływ na trzy parametry k, p0 i r. Czy nlme jest najlepszym sposobem na zrobienie tego? Model SSlogis wydaje się rozsądny z punktu widzenia tego, co próbuję zrobić, czy to prawda? Czy któryś z poniższych jest rozsądnym modelem na początek? Nie mogę poprawnie wyregulować wartości początkowych, a update () wydaje się działać tylko w przypadku efektów losowych, a nie stałych - jakieś wskazówki?
nlme(y ~ k*p0*exp(r*t) / (k+p0*(exp(r*t)-1)), ## not working at all (bad numerical properties?)
data = data,
fixed = k + p0 + r ~ var1 + var2,
random = k + p0 + r ~ 1|UID,
start = c(p0=1, k=100, r=1))
nlme(y ~ SSlogis(t, Asym, xmid, scal), ## not working, as start= is inappropriate
data = data,
fixed = Asym + xmid + scal ~ var1 + var2, ## works fine with ~ 1
random = Asym + xmid + scal ~ 1|UID,
start = getInitial(y ~ SSlogis(Dauer, Asym, xmid, scal), data = data))
Ponieważ jestem nowy w nieliniowych modelach mieszanych, aw szczególności w modelach nieliniowych, doceniłbym niektóre zalecenia dotyczące czytania lub linki do samouczków / często zadawanych pytań z pytaniami dla początkujących.