Cómo especificar en r espacial de la estructura de covarianza similar a SAS sp(pow) en un marginal modelo?

Question

Actualmente estoy traduciendo el código existente de SAS a R. estoy trabajando en datos longitudinales (recuento de células CD4 a lo largo del tiempo). Tengo el siguiente código SAS :

Proc mixed data=df;
class NUM_PAT;
model CD4t=T /s ;
repeated / sub=NUM_PAT type=sp(pow)(T);

El SAS espacial de alimentación de estructura de covarianza es útil para desigualmente espaciados longitudinal de medidas donde las correlaciones declive como una función del tiempo (como se muestra en la imagen de abajo).

Creo que tengo que usar gls () {nlme} ya que yo no tengo ningún tipo de efectos aleatorios. Como R 'sólo' proporciona "esférica", "exponencial", "gaussiano", "lineal", y "racional" como la correlación de las estructuras espaciales, mi conjetura es que necesito usar corSpatial pesos, además de un argumento.

He probado el código siguiente, pero no funciona :

gls(CD4t~T, data=df, na.action = (na.omit), method = "ML",
corr=corCompSymm(form=~1|NUM_PAT), weighhts=varConstPower(form=~1|T))

¿Qué estoy haciendo mal ?

Gracias por la ayuda.

Answer 1

La distribución espacial de alimentación de estructura de covarianza es una generalización de la de primer orden autorregresivo de estructuras de covarianza. Donde el primer orden autorregresivo estructura asume que el tiempo de los puntos son equidistantes, el espacial de la estructura de poder puede dar cuenta de un continuo punto de tiempo. En realidad, sólo podría olvidar la primera orden autorregresivo de la estructura en su totalidad, porque si nosotros ajuste espacial de la estructura de poder cuando los datos están igualmente espaciados, vamos a obtener la misma respuesta que cuando se usa el primer orden autorregresivo de la estructura.

Todo eso a un lado, la función de correlación que estás buscando es corCAR1(), que es el continuo de primer orden autorregresivo de la estructura. Si usted está buscando para duplicar lo que usted ajuste en SAS, entonces el código que estamos buscando es:

gls(CD4t~T, data=df, na.action = (na.omit), method = "REML",
    corr=corCAR1(form=~T|NUM_PAT))

Por supuesto, no es necesario especificar method = "REML", ya que, como en el SAS, el método por defecto en gls() ya es de máxima verosimilitud restringida.