lmer() 可以使用樣條線作為隨機效果嗎？

假設我們正在研究一些計數數據隨時間推移的隨機效應模型，並且我們希望控制一些趨勢。通常，您會執行以下操作：

lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson")

為 包括一個二次形狀t。是否可以使用一些更複雜的平滑技術（如 LOESS 平滑器或樣條曲線）來模擬這種關係？

如果您展示的內容適用於lmer隨機效應項的公式，那麼您應該能夠使用 R 附帶的splines包中的函數來設置相關的基函數。

require("lme4")
require("splines")
lmer(counts ~ dependent_variable + (bs(t) | ID), family="poisson")

根據您想要做什麼，您還應該查看gamm4包和mgcv包。前者實質上是bs()對上述調用中的位進行形式化lmer()，並允許將平滑度選擇作為分析的一部分執行。後者的功能gam()允許在擬合這樣的模型時具有一定程度的靈活性（如果我了解您要做什麼）。看起來您想要單獨的趨勢ID？一個更固定的效果方法是這樣的：

gam(counts ~ dependent_variable + ID + s(t, by = ID) , family="poisson")

可以使用示例中的類型術語將隨機效應包含在gam()模型中。將“想法”一詞與隨機效應結合起來是否有意義是值得考慮的事情，而不是我有資格評論的事情。s(foo, bs = "re")``foo``ID``by

引用自：https://stats.stackexchange.com/questions/36345