ビフォア アフター グラデーション アプローチを使用して、産業開発の生物学的影響を測定しようとしています。R で線形混合モデル アプローチを使用していますが、適切なモデル、特にランダム効果を指定するのに問題があります。私はこれを調査するのに多くの時間を費やしましたが、これまでのところ明確な解決策を思い付いていません.少なくとも私が理解しているものではありません. 私はLMM（およびそのことについてはR）が初めてなので、アドバイスを歓迎します。
応答変数 (たとえば、重要な種の存在量の変化) は、擾乱の端から放射状に広がる複数のトランセクト (「勾配」) に沿って固定距離で確立されたプロットを使用して、衝突の端からの距離の関数として測定されます。 . 理想的には、各プロットは衝撃の前後に複数回サンプリングされます。ただし、簡単にするために、各プロットが衝撃の前後に 1 回サンプリングされる最も単純なケースを想定することから始めます。また、個々の勾配が十分に離れているため、空間的に独立していると見なすことができると仮定します。
まず、シミュレートされたデータ。ここでの効果は曲線ではなく直線ですが、おわかりいただけると思います。
> str(bag)
'data.frame': 30 obs. of 5 variables:
$ Plot : Factor w/ 15 levels "G1-D0","G1-D100",..: 1 2 4 5 3 6 7 9 10 8 ...
$ Gradient: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 2 2 2 2 2 ...
$ Distance: Factor w/ 5 levels "0","100","300",..: 1 2 3 4 5 1 2 3 4 5 ...
$ Period : Factor w/ 2 levels "After","Before": 2 2 2 2 2 2 2 2 2 2 ...
$ response: num 0.633 0.864 0.703 0.911 0.676 ...
> bag
Plot Gradient Distance Period response
1 G1-D0 1 0 Before 0.63258749
2 G1-D100 1 100 Before 0.86422356
3 G1-D300 1 300 Before 0.70262745
4 G1-D700 1 700 Before 0.91056851
5 G1-D1500 1 1500 Before 0.67637353
6 G2-D0 2 0 Before 0.75879579
7 G2-D100 2 100 Before 0.77981992
8 G2-D300 2 300 Before 0.87714158
9 G2-D700 2 700 Before 0.62888739
10 G2-D1500 2 1500 Before 0.83217617
11 G3-D0 3 0 Before 0.87931801
12 G3-D100 3 100 Before 0.81931761
13 G3-D300 3 300 Before 0.74489963
14 G3-D700 3 700 Before 0.68984485
15 G3-D1500 3 1500 Before 0.94942006
16 G1-D0 1 0 After 0.00010000
17 G1-D100 1 100 After 0.05338171
18 G1-D300 1 300 After 0.15846741
19 G1-D700 1 700 After 0.34909588
20 G1-D1500 1 1500 After 0.77138824
21 G2-D0 2 0 After 0.00010000
22 G2-D100 2 100 After 0.05801157
23 G2-D300 2 300 After 0.11422562
24 G2-D700 2 700 After 0.34208601
25 G2-D1500 2 1500 After 0.52606733
26 G3-D0 3 0 After 0.00010000
27 G3-D100 3 100 After 0.05418663
28 G3-D300 3 300 After 0.19295391
29 G3-D700 3 700 After 0.46279103
30 G3-D1500 3 1500 After 0.58556186
私が知る限り、固定効果は期間 (前、後) と距離である必要があり、距離を連続 (要因ではない) として扱って、勾配を推定できるようにします。期間と距離の相互作用 (前と後の勾配の差に相当) が影響を測定します。ランダム効果を指定する方法については、まだ頭を悩ませています。次のように、グラデーション間の変動を制御する必要があると思います。
result <- lme(response ~ Distance + Period + Distance:Period, random=~ 1 | Gradient, data=bag)
ただし、バリエーションのソースを見逃している可能性があると思います。たとえば、上記のモデルが前後の個々のプロットの再サンプリングを制御するかどうかはわかりません。助言がありますか？