Блог

Я пытаюсь смоделировать данные, а затем подогнать к ним модель нелинейных смешанных эффектов. Но в большинстве случаев мои случайные эффекты идеально коррелированы, и я не понимаю, почему.И я думаю, что это причина часто возникающих ошибок (особенность матриц или алгоритм не сходится …)

На рисунке показан график пар для случайных эффектов.

Выходные данные модели задаются

     [Nonlinear mixed-effects model fit by maximum likelihood
  Model: conc ~ SSmicmen(time, Vm, K) 
  Data: groupedData(conc ~ time | subject, data = sample2) 
  Log-likelihood: -101.3446
  Fixed: Vm   K ~ 1 
      Vm        K 
4.253410 8.732609 

Random effects:
 Formula: list(Vm ~ 1, K ~ 1)
 Level: subject
 Structure: General positive-definite, Log-Cholesky parametrization
         StdDev    Corr
Vm       1.1218405 Vm  
K        4.1308831 1   
Residual 0.9296998     

Number of Observations: 72
Number of Groups: 12][1] 
  

Я новичок в NLMEM, но это не подходит, если есть такая большая корреляция …? Я бы не хотел уменьшать случайные эффекты.
Я пытался использовать разные ковариационные матрицы для генерации случайных эффектов, диагональных, недиагональных … всегда одна и та же проблема. Может кто-нибудь дать мне некоторые объяснения? Возможно, размер выборки недостаточно велик?

Я создаю данные следующим образом:

  for (m in 1:n1)
    {
      b1=rmvnorm(1,rep(0,2),sigma=S1) #random effect vector
      y1=(5 b1[1])*x/(3 b1[2] x) rnorm(length(x),mean=0,sd=sqrt(sigma1))
      gr1[m,]=y1
    }
  

Это модель Михалиса Ментена, у меня есть n1 объект, каждый из которых измеряется в x (длина x равна 6). Матрица S1 — это моя предполагаемая ковариационная матрица дисперсии для случайных эффектов, я пробовал разные… затем я использую эти данные для создания сгруппированного объекта данных, а затем подгоняю модель:

 nlme(conc~SSmicmen(time, Vm, K),data=groupedData(conc~time|subject,data=sample1),fixed=Vm K~1,start=c(Vm=5,K=3),control=nlmeControl(maxIter=2000,opt="nlminb",tolerance=0.00001))