lme vs lm中的R变异函数图？答案

【问题标题】：R variogram plot in lme vs lm?lme vs lm中的R变异函数图？
【发布时间】：2017-05-16 21:56:45
【问题描述】：

如果我使用 nlme 包中的 lme 函数并写

m <- lme(y ~ Time, random = ~1|Subject)

然后写

Variogram(m, form = ~Time|Subject)

它产生变异函数没问题。

但是，如果我使用没有随机效应的 lm，

m <- lm(y ~ Time)

然后写

Variogram(m, form = ~Time)

它产生

Error in Variogram.default(m, form = ~Time) : 
  argument "distance" is missing, with no default

发生了什么事？为什么在我装 lm 时它需要一个距离，而以前用 lme 不需要它？

那么如何绘制变异函数而不需要指定“距离”？我使用其他建模方法也有同样的问题：glm、gam、gamm 等。

编辑：

您可以自己验证所有这些，例如使用nlme 中的 BodyWeight 数据。

> m <- lm(weight ~ Time, data = BodyWeight)
> Variogram(m, form =~Time)
Error in Variogram.default(m, form = ~Time) : 
  argument "distance" is missing, with no default

【问题讨论】：

是的，我就是这么做的。我写错了|主题。

标签： r correlation covariogram

【解决方案1】：

在nlme 中，有一个Variogram.lme 方法函数用于lme 拟合，但没有用于lm 模型的等效方法。

您可以按如下方式使用Variogram.default：

library(nlme)
mod1 <- lm(weight ~ Time, data = BodyWeight)
n <- nrow(BodyWeight)
variog <- Variogram(resid(mod1), distance=dist(1:n))
head(variog)

############
      variog dist
1 17.4062805    1
2 23.1229516    2
3 29.6500135    3
4 15.6848617    4
5  3.1222878    5
6  0.9818238    6

我们还可以绘制变异函数：

plot(variog)

【讨论】：