一般线性混合效应（glmer）异方差模型

Question

我的变量是在一个随机区块上进行测量的，采用子采样设计，其中我的治疗是23 Accesion。我有3个完整的块和每块6个样本。示例数据框包含4个响应变量（LH，REN，FTT，DFR），访问（处理），Bloque（块号）和Plot（即子采样的变量）。数据的头是：

Plot Accesion Bloque LH REN FTT DFR 
1 221  22  1 20.6 1127 23 88 
2 221  22  1 20.5 1638 20 88 
3 221  22  1 24.5 1319 16 88 
4 221  22  1 21.4 960 17 88 
5 221  22  1 25.7 1469 18 88 
6 221  22  1 25.8 1658 21 88 

因此，该数据是所有类型的转换（日志，boxcox，电源等）后，非正常和异方差几乎所有的100个响应变量。大多数变量显示每个Accesion具有不同方差的卡方或泊松样分布。

到目前为止，我beeng上运行的广义线性与泊松使用的FTT的glmer()作为响应变量模型效果的工作。我正在使用此代码：

FTTglme = glmer(FTT ~ Accesion + Bloque + (1|Plot), data = Lyc, 
family=poisson(link="identity")) 

根据shapiro.test（），残差是非正常的。我认为，这是因为在残差中观察到异方差。正如Accesion残差的箱线图，显示差异的区别：

的异方差是植物种群之间的预期，但我知道它可以在里面glme进行建模。我要补充，我已经研究的代码是：

vf <- varIdent(form=~Accesion) 

FTTglme = glmer(FTT ~ Accesion + Bloque + (1|Plot), data = Lyc, 
family=poisson(link="identity"), weights = vf) 

我想不同的差异，以了解每个Accesion类别。不过，我不断收到错误：

Error in model.frame.default(data = Lyc, weights = varIdent(form = ~Accesion), : 
    variable lengths differ (found for '(weights)') 

有谁知道如何计算方差的Accesions之间的glmer()里面的区别是什么？

任何其他建议来分析数据也是受欢迎的。

Answer 1

我已经解决了这个问题。在glmer（）中，权值参数对应于与原始长度相同长度的向量。为了模拟我产生了偏差数据框的异方差：

VAR<-aggregate(Lyc[,6],by=list(Lyc$Accesion), var) 
colnames(VAR)<-c("Accesion", "Var") 

这产生一个数据帧处理/差异，它的头是：

Accesion  Var 
1  22 4.369281 
2  23 16.251634 
3  24 13.911765 
4  25 15.404412 
5  26 15.895833 
6  27 44.838095 

然后，我创建一个新的数据帧合并两个dataframes

Lyc2<-merge(VAR, Lyc, by="Accesion") 

而且正如我所看到的做错了1次，需要使用逆方差，以纠正方差。

Lyc2$Var<-(1/Lyc2$Var) 

所有数据的步骤后，我运行代码：

FTTglme = glmer(FTT ~ Accesion + Bloque + (1|Plot), data = Lyc2,  
family=poisson(link="log"), weights = Lyc2$Var) 

修复该问题方差：