lme4 বা অন্যান্য ওপেন সোর্স আর প্যাকেজ কোড asreml-R সমতুল্য

Question

আমি lme4, nlme, বায়সিয়ান রিগ্রেশন প্যাকেজ বা যে কোনও উপলভ্য মিশ্রিত মডেল ফিট করতে চাই।

আসরেম-আর কোডিং কনভেনশনে মিশ্র মডেল

স্পেসিফিকেশনে যাওয়ার আগে আমরা অস্রেম-আর কনভেনশনগুলির বিশদ থাকতে চাই, যারা ASREML কোডের সাথে অপরিচিত।

y = Xτ + Zu + e ........................(1) ; 

এর সাথে সাধারণ মিশ্রিত মডেলটি পর্যবেক্ষণগুলির n × 1 ভেক্টরকে বোঝায়, যেখানে τ xed e ff ects এর p × 1 ভেক্টর, এক্স পূর্ণ কলাম র‌্যাঙ্কের একটি n × p ডিজাইনের ম্যাট্রিক্স যা servations xed e ff ects এর উপযুক্ত সংমিশ্রনের সাথে পর্যবেক্ষণকে যুক্ত করে , আপনি র্যান্ডম ই-এ্যাক্টসের কিউ × 1 ভেক্টর, জেড হ'ল এন × কিউ ডিজাইন ম্যাট্রিক্স যা এলোমেলো ই-এ্যাক্টসের যথাযথ সংমিশ্রণের সাথে পর্যবেক্ষণকে যুক্ত করে, এবং ই অবশিষ্টাংশের ত্রুটির এন × 1 ভেক্টর। মডেল (1) বলা হয় একটি রৈখিক মিশ্র মডেল বা লিনিয়ার মিশ্রিত ই tsএকটি মডেল। এটা ধরা হয়

যেখানে ম্যাট্রিকগুলি জি এবং আর যথাক্রমে para এবং φ পরামিতির ফাংশন।

প্যারামিটার a একটি ভেরিয়েন্স প্যারামিটার যা আমরা স্কেল প্যারামিটার হিসাবে উল্লেখ করব।

একাধিক অংশ বা বৈচিত্র সহ ডেটা বিশ্লেষণে উদাহরণস্বরূপ একাধিক অবশিষ্ট অবলম্বন সহ মিশ্র ই ffএকটি মডেলগুলিতে, প্যারামিটারটি একের সাথে এক্সড হয়। একক অবশিষ্টাংশের মিশ্রিত ই ffএকটি মডেলগুলিতে তখন the অবশিষ্ট অবধি (σ2) এর সমান। এই ক্ষেত্রে আর অবশ্যই সম্পর্কযুক্ত ম্যাট্রিক্স হতে হবে। মডেলগুলি সম্পর্কে আরও বিশদ বিবরণ Asreml ম্যানুয়াল (লিঙ্ক) এ সরবরাহ করা হয়েছে ।

ত্রুটিগুলির জন্য বৈকল্পিক কাঠামো: র স্ট্যান্ডার্ড এবং এলোমেলো ই-ইক্টসগুলির জন্য ভেরিয়েন্স কাঠামো: জি স্ট্রাকচারগুলি নির্দিষ্ট করা যেতে পারে।

আসরেমে ভেরিয়েন্স মডেলিং () সরাসরি পণ্যগুলির মাধ্যমে বৈকল্পিক কাঠামো গঠনের বিষয়টি বোঝা গুরুত্বপূর্ণ। সাধারণত সর্বনিম্ন স্কোয়ার অনুমান (এবং asreml ()) এ ডিফল্ট হ'ল এগুলি স্বাধীনভাবে এবং অভিন্নরূপে বিতরণ করা হয় (আইআইডি)। যাইহোক, যদি ডেটা সি কলামগুলির মাধ্যমে আর সারিগুলির একটি আয়তক্ষেত্রাকার অ্যারেতে রাখা ক্ষেত্রের পরীক্ষার থেকে থাকে তবে বলুন, আমরা অবশিষ্টাংশগুলিকে একটি ম্যাট্রিক্স হিসাবে ব্যবস্থা করতে পারি এবং সম্ভবত তারা বিবেচনা করতে পারি যে তারা সারি এবং কলামের মধ্যে স্বতঃসংশ্লিষ্ট ছিল as ক্ষেত্রের ক্রমে একটি ভেক্টর, অর্থাৎ কলামগুলির মধ্যে অবশিষ্টাংশের সারিগুলি বাছাই করে (ব্লকের মধ্যে প্লটগুলি) তখন অবশিষ্টাংশের ভেরিয়েন্স হতে পারে

হ'ল যথাক্রমে সারি মডেল (অর্ডার আর, অটোকোরেলিকেশন প্যারামিটার )r) এবং কলাম মডেল (ক্রম সি, স্বতঃসংশোধন প্যারামিটার ½c) এর জন্য পরস্পর সম্পর্কিত ম্যাট্রিক্স। আরও সুনির্দিষ্টভাবে, একটি দ্বি-মাত্রিক বিভাজক অটোরেগ্রেসিভ স্থানিক কাঠামো (এআরআর এক্স এক্স এআর 1) কখনও কখনও ক্ষেত্রের বিচার বিশ্লেষণে সাধারণ ত্রুটির জন্য ধরে নেওয়া হয়।

উদাহরণ ডেটা:

nin89 আস্রেমল আর লাইব্রেরি থেকে এসেছে, যেখানে আয়তক্ষেত্রের ক্ষেত্রের প্রতিরূপ / ব্লকে বিভিন্ন রকমের জন্ম হয়েছিল। সারি বা কলামের দিকনির্দেশে অতিরিক্ত পরিবর্তনশীলতা নিয়ন্ত্রণ করতে প্রতিটি প্লটকে সারি এবং কলাম ভেরিয়েবল (সারি কলাম ডিজাইন) হিসাবে উল্লেখ করা হয়। এই ব্লকিং সহ এই সারি কলাম ডিজাইন। ফলন পরিমাপযোগ্য পরিবর্তনশীল।

উদাহরণ মডেল

আমার অস্রেম-আর কোডগুলির সমতুল্য কিছু দরকার:

সাধারণ মডেল বাক্য গঠন নীচের মত দেখতে পাবেন:

 rcb.asr <- asreml(yield ∼ Variety, random = ∼ Replicate, data = nin89)  
 .....model 0

রৈখিক মডেলটি নির্দিষ্ট (প্রয়োজনীয়), এলোমেলো (alচ্ছিক) এবং rcov (ত্রুটির উপাদান) সূত্র অবজেক্ট হিসাবে যুক্তিগুলিতে নির্দিষ্ট করা হয় default ।

এখানে বিভিন্ন স্থির প্রভাব এবং এলোমেলোভাবে প্রতিলিপি (ব্লক) হয়। এলোমেলো এবং স্থির পদগুলির পাশাপাশি আমরা ত্রুটি শব্দটি নির্দিষ্ট করতে পারি। যা এই মডেলটিতে ডিফল্ট 0.. মডেলের অবশিষ্টাংশ বা ত্রুটি উপাদানটি আরসিওভি আর্গুমেন্টের মাধ্যমে একটি সূত্র অবজেক্টে নির্দিষ্ট করা হয়েছে, নীচের মডেলগুলি 1: 4 দেখুন।

নিম্নলিখিত মডেল 1 আরও জটিল যেখানে উভয় জি (এলোমেলো) এবং আর (ত্রুটি) কাঠামো নির্দিষ্ট করা হয়েছে।

মডেল 1:

data(nin89)


 # Model 1: RCB analysis with G and R structure
     rcb.asr <- asreml(yield ~ Variety, random = ~ idv(Replicate), 
      rcov = ~ idv(units), data = nin89)

এই মডেলটি উপরের মডেল 0 এর সমতুল্য, এবং জি এবং আর ভেরিয়েন্স মডেলটির ব্যবহারের পরিচয় দেয়। এখানে বিকল্পটি এলোমেলোভাবে এবং rcov স্পষ্টভাবে জি এবং আর কাঠামো নির্দিষ্ট করার জন্য র্যান্ডম এবং আরসিওভি সূত্রগুলি নির্দিষ্ট করে। যেখানে আইডিভি () হ'ল বিশেষ মডেল ফাংশন যা অস্রেম () যা ভেরিয়েন্স মডেলটিকে চিহ্নিত করে। এক্সপ্রেশন আইডিভি (ইউনিট) স্পষ্টতই একটি ছোট আকারে সনাক্তকরণের জন্য ই ভেরিয়েন্স ম্যাট্রিক্স সেট করে।

# মডেল 2: এক দিকের পারস্পরিক সম্পর্কযুক্ত দ্বি-মাত্রিক স্থানিক মডেল

  sp.asr <- asreml(yield ~ Variety, rcov = ~ Column:ar1(Row), data = nin89)

nin89 এর পরীক্ষামূলক ইউনিটগুলি কলাম এবং সারি অনুসারে সূচিযুক্ত। সুতরাং আমরা এই ক্ষেত্রে সারি এবং কলামের দিক - দুটি দিকের এলোমেলো পরিবর্তন আশা করি। যেখানে আর 1 () হ'ল একটি বিশেষ ক্রিয়া যা সারিটির জন্য প্রথম অর্ডার অটোরিগ্রেসিভ ভেরিয়েন্স মডেল নির্দিষ্ট করে। এই কলটি ত্রুটির জন্য দ্বি-মাত্রিক স্থানিক কাঠামো সুনির্দিষ্ট করে তবে কেবল সারির দিকের স্থানিক পারস্পরিক সম্পর্কের সাথে var

# মডেল 3: দ্বি-মাত্রিক স্থানিক মডেল, উভয় দিকের ত্রুটি কাঠামো

 sp.asr <- asreml(yield ~ Variety, rcov = ~ ar1(Column):ar1(Row),  
 data = nin89)
sp.asr <- asreml(yield ~ Variety, random = ~ units, 
 rcov = ~ ar1(Column):ar1(Row), data = nin89)

উপরোক্ত মডেল 2 এর মতো, তবে পারস্পরিক সম্পর্ক দুটি দিক - অটোরেগ্রেসিভ একটি।

ওপেন সোর্স আর প্যাকেজগুলির মাধ্যমে এই মডেলগুলির মধ্যে কতটা সম্ভব তা আমি নিশ্চিত নই। এমনকি এই মডেলগুলির যে কোনও একটি এর সমাধান করা খুব সহায়ক হবে। এমনকি +50 এর বাউটি এ জাতীয় প্যাকেজ বিকাশ করতে উদ্দীপিত করতে পারে তবে তা সহায়ক হবে!

তুলনা করার জন্য MAYSaseen প্রতিটি মডেল এবং ডেটা (উত্তর হিসাবে) থেকে আউটপুট সরবরাহ করেছে দেখুন।

সম্পাদনা: নীচের পরামর্শটি আমি মিশ্র মডেল আলোচনা ফোরামে পেয়েছি: "আপনি ডেভিড ক্লিফোর্ডের স্থানীয় সাম্প্রতিক প্যাকেজগুলির দিকে নজর দিতে পারেন former প্রাক্তনটি (গাউসিয়ান) মিশ্র মডেলগুলির ফিটিংয়ের অনুমতি দেয় যেখানে আপনি কোভেরিয়েন্স ম্যাট্রিক্সের কাঠামো খুব নমনীয়ভাবে নির্দিষ্ট করতে পারেন (উদাহরণস্বরূপ, আমি এটি পেডিগ্রি ডেটার জন্য ব্যবহার করেছি)। স্পটালকোভারিয়েন্স প্যাকেজটি এআর 1 এক্সএআর 1 এর চেয়ে আরও বিস্তৃত মডেল সরবরাহ করতে রিগ্রাস ব্যবহার করে তবে প্রযোজ্য হতে পারে your আপনার সঠিক সমস্যার সাথে এটি প্রয়োগ করার জন্য আপনাকে লেখকের সাথে যোগাযোগ করতে হতে পারে। "

Comments

আমি নিশ্চিত যে মডেল 2-4 সম্ভব নয় lme4। আপনি (ক) আরও জানুন lme4যে asreml-R(খ) r-sig-mixed-modelsআরও প্রাসঙ্গিক দক্ষতা রয়েছে সেখানে পোস্টিং বিবেচনা করার পরিবর্তে আপনাকে কেন এটি করতে হবে ?

— বেন বলকার

বেসিক ধারণাটি হ'ল আস্রেম-আর লাইসেন্স প্রয়োজন (কমপক্ষে উন্নত দেশের ব্যবহারকারীদের জন্য), যদি এটি lme4 বা অন্য মিশ্র মডেল প্যাকেজগুলিতে সম্ভব হয় তবে দুর্দান্ত হবে ...

— জন

আমি মনে করি এটি সহজ হবে না। আমি মনে করি আপনার সেরা বাজি একটি নতুন সংজ্ঞায়িত করতে হতে পারে corStructমধ্যে nlme(একটি ধারনার সম্পর্কযুক্তরূপে জন্য) ... এটা সাহায্য করবে যদি পারতে সংক্ষিপ্তভাবে রাষ্ট্র এই ASREML বিবৃতি সংশ্লিষ্ট পরিসংখ্যানগত মডেল, যেহেতু আমরা সঙ্গে সব পরিচিত নন (শব্দ বা সমীকরণ মধ্যে) এএসআরএমএল সিনট্যাক্স ...

— বেন বলকার

মিক্সড মডেল গ্রুপে নিম্নলিখিত মন্তব্যগুলি রয়েছে: আপনি ডেভিড ক্লিফোর্ডের রেগ্রাস এবং স্থানীয়কোভারিয়েন্স প্যাকেজগুলির দিকে নজর দিতে পারেন। প্রাক্তনটি (গাউসিয়ান) মিশ্র মডেলগুলির ফিটিংয়ের অনুমতি দেয় যেখানে আপনি কোভারিয়েন্স ম্যাট্রিক্সের কাঠামো খুব নমনীয়ভাবে নির্দিষ্ট করতে পারেন (উদাহরণস্বরূপ, আমি এটি বংশের ডেটার জন্য ব্যবহার করেছি)। স্পেসিয়ালকোভারিয়েন্স প্যাকেজটি এআর 1 এক্সএআর 1 এর চেয়ে আরও বিস্তৃত মডেল সরবরাহ করতে রিগ্রাস ব্যবহার করে তবে প্রযোজ্য হতে পারে। আপনার সঠিক সমস্যার সাথে এটি প্রয়োগ করার জন্য আপনাকে লেখকের সাথে যোগাযোগ করতে হতে পারে।

— জন

আমি যদি সুযোগ পাই তবে আমি এটিকে যতটা পারি সামলানোর চেষ্টা করব, তবে খুব স্পষ্টভাবে আমি এটি পেতে নাও পারি, আমার প্লেটে আমি অনেক কিছু পেয়েছি। ডেভিড ক্লিফোর্ড যে প্যাকেজগুলির পরামর্শ দিয়েছিলেন তা দুর্দান্ত ধারণা হিসাবে মনে হচ্ছে - সম্ভবত আপনি নিজের সমস্যাটি সেভাবেই সমাধান করতে পারেন ... আমি নিশ্চিত যে মডেল 1টি সম্পন্ন করা যেতে পারে MCMCglmmএবং আমি নিশ্চিত যে (অন্যটি ছাড়াও) spatialCovarianceউল্লেখ করা হয়েছে, যা আমি অপরিচিত নই) শুধুমাত্র এটা আর কাজ শুরু করার পথ নতুন সংজ্ঞা দ্বারা হয় corStructগুলি - যা সম্ভব, কিন্তু তুচ্ছ নয়।

— বেন বলকার

Answer 1

আপনি এই মডেলটি এডি মডেল বিল্ডারের সাথে ফিট করতে পারেন। এডি মডেল বিল্ডার সাধারণ ননলাইনার এলোমেলো প্রভাবের মডেল সহ সাধারণ ননলাইনার মডেল তৈরির জন্য বিনামূল্যে সফটওয়্যার। সুতরাং উদাহরণস্বরূপ আপনি একটি নেতিবাচক দ্বিপদী স্থানিক মডেল মাপসই করতে পারেন যেখানে গড় এবং ওভার উভয় বিস্তারের একটি আর (1) এক্স আর (1) কাঠামো ছিল। আমি এই উদাহরণের জন্য কোডটি তৈরি করেছি এবং এটি ডেটার সাথে ফিট করেছি। যদি কেউ আগ্রহী হন তবে http://admb-project.org ওয়েবসাইটে তালিকায় এটি আলোচনা করা ভাল

দ্রষ্টব্য: এডিএমবির একটি আর সংস্করণ রয়েছে, তবে আর প্যাকেজে উপলব্ধ বৈশিষ্ট্যগুলি স্ট্যান্ডএলোন এডিএমবি সফ্টওয়্যারটির একটি উপসেট।

এই উদাহরণের জন্য ডেটা সহ একটি ASCII ফাইল তৈরি করা সহজ, এটি এডিএমবি প্রোগ্রামে পড়ুন, প্রোগ্রামটি চালাবেন এবং তারপরে আপনি যা করতে চান তার জন্য প্যারামিটারের প্রাক্কলন ইত্যাদি পুনরায় আর এ পড়ুন।

আপনার বুঝতে হবে যে এডিএমবি প্যাকেজগুলির সংগ্রহ নয়, বরং ননলাইনারি প্যারামিটার অনুমানের সফ্টওয়্যার লেখার জন্য একটি ভাষা। যেমনটি আমি আগেই বলেছিলাম এডিএমবি তালিকায় এটি আলোচনা করা ভাল যেখানে সবাই সফ্টওয়্যার সম্পর্কে জানে। এটি সম্পন্ন হওয়ার পরে এবং আপনি মডেলটি বুঝতে পেরে আপনি এখানে ফলাফল পোস্ট করতে পারেন। তবে এখানে আমি গমের তথ্যের জন্য এমএল এবং আরএমএল কোডগুলি একসাথে রেখেছি।

http://lists.admb-project.org/pipermail/users/attachments/20111124/448923c8/attachment.zip

Comments

এডি মডেল বিল্ডারের সাথে সংযোগ করার জন্য কি আর ইন্টারফেস রয়েছে?

— জন

Answer 2

মডেল 0

ASReml-আর

rcb0.asr <- asreml(yield~Variety, random=~Rep, data=nin89, na.method.X="include")
summary(rcb0.asr)
$call
asreml(fixed = yield ~ Variety, random = ~Rep, data = nin89, 
    na.method.X = "include")

$loglik
[1] -454.4691

$nedf
[1] 168

$sigma
[1] 7.041475

$varcomp
                gamma component std.error  z.ratio constraint
Rep!Rep.var 0.1993231  9.882911  8.792829 1.123974   Positive
R!variance  1.0000000 49.582368  5.458839 9.082951   Positive

attr(,"class")
[1] "summary.asreml"

summary(rcb0.asr)$varcomp
                gamma component std.error  z.ratio constraint
Rep!Rep.var 0.1993231  9.882911  8.792829 1.123974   Positive
R!variance  1.0000000 49.582368  5.458839 9.082951   Positive

> anova(rcb0.asr)
Wald tests for fixed effects

Response: yield

Terms added sequentially; adjusted for those above

              Df Sum of Sq Wald statistic Pr(Chisq)    
(Intercept)    1   12001.6        242.054    <2e-16 ***
Variety       55    2387.5         48.152    0.7317    
residual (MS)         49.6                             
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
> coef(rcb0.asr)$fixed
                    effect
Variety_ARAPAHOE    0.0000
Variety_BRULE      -3.3625
Variety_BUCKSKIN   -3.8750
Variety_CENTURA    -7.7875
Variety_CENTURK78   0.8625
Variety_CHEYENNE   -1.3750
Variety_CODY       -8.2250
Variety_COLT       -2.4375
Variety_GAGE       -4.9250
Variety_HOMESTEAD  -1.8000
Variety_KS831374   -5.3125
Variety_LANCER     -0.8750
Variety_LANCOTA    -2.8875
Variety_NE83404    -2.0500
Variety_NE83406    -5.1625
Variety_NE83407    -6.7500
Variety_NE83432    -9.7125
Variety_NE83498     0.6875
Variety_NE83T12    -7.8750
Variety_NE84557    -8.9125
Variety_NE85556    -3.0500
Variety_NE85623    -7.7125
Variety_NE86482    -5.1500
Variety_NE86501     1.5000
Variety_NE86503     3.2125
Variety_NE86507    -5.6500
Variety_NE86509    -2.5875
Variety_NE86527    -7.4250
Variety_NE86582    -4.9000
Variety_NE86606     0.3250
Variety_NE86607    -0.1125
Variety_NE86T666   -7.9000
Variety_NE87403    -4.3125
Variety_NE87408    -3.1375
Variety_NE87409    -8.0625
Variety_NE87446    -1.7625
Variety_NE87451    -4.8250
Variety_NE87457    -5.5250
Variety_NE87463    -3.5250
Variety_NE87499    -9.0250
Variety_NE87512    -6.1875
Variety_NE87513    -2.6250
Variety_NE87522    -4.4375
Variety_NE87612    -7.6375
Variety_NE87613    -0.0375
Variety_NE87615    -3.7500
Variety_NE87619     1.8250
Variety_NE87627    -6.2125
Variety_NORKAN     -5.0250
Variety_REDLAND     1.0625
Variety_ROUGHRIDER -8.2500
Variety_SCOUT66    -1.9125
Variety_SIOUXLAND   0.6750
Variety_TAM107     -1.0375
Variety_TAM200     -8.2000
Variety_VONA       -5.8375
(Intercept)        29.4375
> coef(rcb0.asr)$random
          effect
Rep_1  1.8795997
Rep_2  2.8432659
Rep_3 -0.8712739
Rep_4 -3.8515918

lme4

> rcb0.lmer <- lmer(yield~Variety+(1|Rep), data=nin89)
> print(rcb0.lmer, corr=FALSE)
Linear mixed model fit by REML 
Formula: yield ~ Variety + (1 | Rep) 
   Data: nin89 
  AIC  BIC logLik deviance REMLdev
 1334 1532 -608.9     1456    1218
Random effects:
 Groups   Name        Variance Std.Dev.
 Rep      (Intercept)  9.8829  3.1437  
 Residual             49.5824  7.0415  
Number of obs: 224, groups: Rep, 4

Fixed effects:
                  Estimate Std. Error t value
(Intercept)        29.4375     3.8556   7.635
VarietyBRULE       -3.3625     4.9791  -0.675
VarietyBUCKSKIN    -3.8750     4.9791  -0.778
VarietyCENTURA     -7.7875     4.9791  -1.564
VarietyCENTURK78    0.8625     4.9791   0.173
VarietyCHEYENNE    -1.3750     4.9791  -0.276
VarietyCODY        -8.2250     4.9791  -1.652
VarietyCOLT        -2.4375     4.9791  -0.490
VarietyGAGE        -4.9250     4.9791  -0.989
VarietyHOMESTEAD   -1.8000     4.9791  -0.362
VarietyKS831374    -5.3125     4.9791  -1.067
VarietyLANCER      -0.8750     4.9791  -0.176
VarietyLANCOTA     -2.8875     4.9791  -0.580
VarietyNE83404     -2.0500     4.9791  -0.412
VarietyNE83406     -5.1625     4.9791  -1.037
VarietyNE83407     -6.7500     4.9791  -1.356
VarietyNE83432     -9.7125     4.9791  -1.951
VarietyNE83498      0.6875     4.9791   0.138
VarietyNE83T12     -7.8750     4.9791  -1.582
VarietyNE84557     -8.9125     4.9791  -1.790
VarietyNE85556     -3.0500     4.9791  -0.613
VarietyNE85623     -7.7125     4.9791  -1.549
VarietyNE86482     -5.1500     4.9791  -1.034
VarietyNE86501      1.5000     4.9791   0.301
VarietyNE86503      3.2125     4.9791   0.645
VarietyNE86507     -5.6500     4.9791  -1.135
VarietyNE86509     -2.5875     4.9791  -0.520
VarietyNE86527     -7.4250     4.9791  -1.491
VarietyNE86582     -4.9000     4.9791  -0.984
VarietyNE86606      0.3250     4.9791   0.065
VarietyNE86607     -0.1125     4.9791  -0.023
VarietyNE86T666    -7.9000     4.9791  -1.587
VarietyNE87403     -4.3125     4.9791  -0.866
VarietyNE87408     -3.1375     4.9791  -0.630
VarietyNE87409     -8.0625     4.9791  -1.619
VarietyNE87446     -1.7625     4.9791  -0.354
VarietyNE87451     -4.8250     4.9791  -0.969
VarietyNE87457     -5.5250     4.9791  -1.110
VarietyNE87463     -3.5250     4.9791  -0.708
VarietyNE87499     -9.0250     4.9791  -1.813
VarietyNE87512     -6.1875     4.9791  -1.243
VarietyNE87513     -2.6250     4.9791  -0.527
VarietyNE87522     -4.4375     4.9791  -0.891
VarietyNE87612     -7.6375     4.9791  -1.534
VarietyNE87613     -0.0375     4.9791  -0.008
VarietyNE87615     -3.7500     4.9791  -0.753
VarietyNE87619      1.8250     4.9791   0.367
VarietyNE87627     -6.2125     4.9791  -1.248
VarietyNORKAN      -5.0250     4.9791  -1.009
VarietyREDLAND      1.0625     4.9791   0.213
VarietyROUGHRIDER  -8.2500     4.9791  -1.657
VarietySCOUT66     -1.9125     4.9791  -0.384
VarietySIOUXLAND    0.6750     4.9791   0.136
VarietyTAM107      -1.0375     4.9791  -0.208
VarietyTAM200      -8.2000     4.9791  -1.647
VarietyVONA        -5.8375     4.9791  -1.172
> anova(rcb0.lmer)
Analysis of Variance Table
        Df Sum Sq Mean Sq F value
Variety 55 2387.5  43.409  0.8755
> fixef(rcb0.lmer)
      (Intercept)      VarietyBRULE   VarietyBUCKSKIN    VarietyCENTURA 
          29.4375           -3.3625           -3.8750           -7.7875 
 VarietyCENTURK78   VarietyCHEYENNE       VarietyCODY       VarietyCOLT 
           0.8625           -1.3750           -8.2250           -2.4375 
      VarietyGAGE  VarietyHOMESTEAD   VarietyKS831374     VarietyLANCER 
          -4.9250           -1.8000           -5.3125           -0.8750 
   VarietyLANCOTA    VarietyNE83404    VarietyNE83406    VarietyNE83407 
          -2.8875           -2.0500           -5.1625           -6.7500 
   VarietyNE83432    VarietyNE83498    VarietyNE83T12    VarietyNE84557 
          -9.7125            0.6875           -7.8750           -8.9125 
   VarietyNE85556    VarietyNE85623    VarietyNE86482    VarietyNE86501 
          -3.0500           -7.7125           -5.1500            1.5000 
   VarietyNE86503    VarietyNE86507    VarietyNE86509    VarietyNE86527 
           3.2125           -5.6500           -2.5875           -7.4250 
   VarietyNE86582    VarietyNE86606    VarietyNE86607   VarietyNE86T666 
          -4.9000            0.3250           -0.1125           -7.9000 
   VarietyNE87403    VarietyNE87408    VarietyNE87409    VarietyNE87446 
          -4.3125           -3.1375           -8.0625           -1.7625 
   VarietyNE87451    VarietyNE87457    VarietyNE87463    VarietyNE87499 
          -4.8250           -5.5250           -3.5250           -9.0250 
   VarietyNE87512    VarietyNE87513    VarietyNE87522    VarietyNE87612 
          -6.1875           -2.6250           -4.4375           -7.6375 
   VarietyNE87613    VarietyNE87615    VarietyNE87619    VarietyNE87627 
          -0.0375           -3.7500            1.8250           -6.2125 
    VarietyNORKAN    VarietyREDLAND VarietyROUGHRIDER    VarietySCOUT66 
          -5.0250            1.0625           -8.2500           -1.9125 
 VarietySIOUXLAND     VarietyTAM107     VarietyTAM200       VarietyVONA 
           0.6750           -1.0375           -8.2000           -5.8375 
> ranef(rcb0.lmer)
$Rep
  (Intercept)
1   1.8798700
2   2.8436747
3  -0.8713991
4  -3.8521455

nlme

> rcb0.lme <- lme(yield~Variety, random=~1|Rep, data=na.omit(nin89))
> print(rcb0.lme, corr=FALSE)
Linear mixed-effects model fit by REML
  Data: na.omit(nin89) 
  Log-restricted-likelihood: -608.8508
  Fixed: yield ~ Variety 
      (Intercept)      VarietyBRULE   VarietyBUCKSKIN    VarietyCENTURA 
          29.4375           -3.3625           -3.8750           -7.7875 
 VarietyCENTURK78   VarietyCHEYENNE       VarietyCODY       VarietyCOLT 
           0.8625           -1.3750           -8.2250           -2.4375 
      VarietyGAGE  VarietyHOMESTEAD   VarietyKS831374     VarietyLANCER 
          -4.9250           -1.8000           -5.3125           -0.8750 
   VarietyLANCOTA    VarietyNE83404    VarietyNE83406    VarietyNE83407 
          -2.8875           -2.0500           -5.1625           -6.7500 
   VarietyNE83432    VarietyNE83498    VarietyNE83T12    VarietyNE84557 
          -9.7125            0.6875           -7.8750           -8.9125 
   VarietyNE85556    VarietyNE85623    VarietyNE86482    VarietyNE86501 
          -3.0500           -7.7125           -5.1500            1.5000 
   VarietyNE86503    VarietyNE86507    VarietyNE86509    VarietyNE86527 
           3.2125           -5.6500           -2.5875           -7.4250 
   VarietyNE86582    VarietyNE86606    VarietyNE86607   VarietyNE86T666 
          -4.9000            0.3250           -0.1125           -7.9000 
   VarietyNE87403    VarietyNE87408    VarietyNE87409    VarietyNE87446 
          -4.3125           -3.1375           -8.0625           -1.7625 
   VarietyNE87451    VarietyNE87457    VarietyNE87463    VarietyNE87499 
          -4.8250           -5.5250           -3.5250           -9.0250 
   VarietyNE87512    VarietyNE87513    VarietyNE87522    VarietyNE87612 
          -6.1875           -2.6250           -4.4375           -7.6375 
   VarietyNE87613    VarietyNE87615    VarietyNE87619    VarietyNE87627 
          -0.0375           -3.7500            1.8250           -6.2125 
    VarietyNORKAN    VarietyREDLAND VarietyROUGHRIDER    VarietySCOUT66 
          -5.0250            1.0625           -8.2500           -1.9125 
 VarietySIOUXLAND     VarietyTAM107     VarietyTAM200       VarietyVONA 
           0.6750           -1.0375           -8.2000           -5.8375 

Random effects:
 Formula: ~1 | Rep
        (Intercept) Residual
StdDev:     3.14371 7.041475

Number of Observations: 224
Number of Groups: 4 
> anova(rcb0.lme)
            numDF denDF   F-value p-value
(Intercept)     1   165 242.05402  <.0001
Variety        55   165   0.87549  0.7119
> fixef(rcb0.lme)
      (Intercept)      VarietyBRULE   VarietyBUCKSKIN    VarietyCENTURA 
          29.4375           -3.3625           -3.8750           -7.7875 
 VarietyCENTURK78   VarietyCHEYENNE       VarietyCODY       VarietyCOLT 
           0.8625           -1.3750           -8.2250           -2.4375 
      VarietyGAGE  VarietyHOMESTEAD   VarietyKS831374     VarietyLANCER 
          -4.9250           -1.8000           -5.3125           -0.8750 
   VarietyLANCOTA    VarietyNE83404    VarietyNE83406    VarietyNE83407 
          -2.8875           -2.0500           -5.1625           -6.7500 
   VarietyNE83432    VarietyNE83498    VarietyNE83T12    VarietyNE84557 
          -9.7125            0.6875           -7.8750           -8.9125 
   VarietyNE85556    VarietyNE85623    VarietyNE86482    VarietyNE86501 
          -3.0500           -7.7125           -5.1500            1.5000 
   VarietyNE86503    VarietyNE86507    VarietyNE86509    VarietyNE86527 
           3.2125           -5.6500           -2.5875           -7.4250 
   VarietyNE86582    VarietyNE86606    VarietyNE86607   VarietyNE86T666 
          -4.9000            0.3250           -0.1125           -7.9000 
   VarietyNE87403    VarietyNE87408    VarietyNE87409    VarietyNE87446 
          -4.3125           -3.1375           -8.0625           -1.7625 
   VarietyNE87451    VarietyNE87457    VarietyNE87463    VarietyNE87499 
          -4.8250           -5.5250           -3.5250           -9.0250 
   VarietyNE87512    VarietyNE87513    VarietyNE87522    VarietyNE87612 
          -6.1875           -2.6250           -4.4375           -7.6375 
   VarietyNE87613    VarietyNE87615    VarietyNE87619    VarietyNE87627 
          -0.0375           -3.7500            1.8250           -6.2125 
    VarietyNORKAN    VarietyREDLAND VarietyROUGHRIDER    VarietySCOUT66 
          -5.0250            1.0625           -8.2500           -1.9125 
 VarietySIOUXLAND     VarietyTAM107     VarietyTAM200       VarietyVONA 
           0.6750           -1.0375           -8.2000           -5.8375 
> ranef(rcb0.lme)
  (Intercept)
1   1.8795997
2   2.8432659
3  -0.8712739
4  -3.8515918

Answer 3

মডেল 1

ASReml-আর

> rcb.asr <- asreml(yield~Variety, random=~idv(Rep), rcov=~idv(units), data=nin89, na.method.X="include")
> summary(rcb.asr)
$call
asreml(fixed = yield ~ Variety, random = ~idv(Rep), rcov = ~idv(units), 
    data = nin89, na.method.X = "include")

$loglik
[1] -454.4691

$nedf
[1] 168

$sigma
[1] 1

$varcomp
                gamma component std.error  z.ratio constraint
Rep!Rep.var  9.882911  9.882911  8.792823 1.123975   Positive
R!variance   1.000000  1.000000        NA       NA      Fixed
R!units.var 49.582368 49.582368  5.458839 9.082951   Positive

attr(,"class")
[1] "summary.asreml"
> summary(rcb0.asr)$varcomp
                gamma component std.error  z.ratio constraint
Rep!Rep.var 0.1993231  9.882911  8.792829 1.123974   Positive
R!variance  1.0000000 49.582368  5.458839 9.082951   Positive
> anova(rcb.asr)
Wald tests for fixed effects

Response: yield

Terms added sequentially; adjusted for those above

              Df Sum of Sq Wald statistic Pr(Chisq)    
(Intercept)    1   242.054        242.054    <2e-16 ***
Variety       55    48.152         48.152    0.7317    
residual (MS)        1.000                             
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
> coef(rcb.asr)$fixed
                    effect
Variety_ARAPAHOE    0.0000
Variety_BRULE      -3.3625
Variety_BUCKSKIN   -3.8750
Variety_CENTURA    -7.7875
Variety_CENTURK78   0.8625
Variety_CHEYENNE   -1.3750
Variety_CODY       -8.2250
Variety_COLT       -2.4375
Variety_GAGE       -4.9250
Variety_HOMESTEAD  -1.8000
Variety_KS831374   -5.3125
Variety_LANCER     -0.8750
Variety_LANCOTA    -2.8875
Variety_NE83404    -2.0500
Variety_NE83406    -5.1625
Variety_NE83407    -6.7500
Variety_NE83432    -9.7125
Variety_NE83498     0.6875
Variety_NE83T12    -7.8750
Variety_NE84557    -8.9125
Variety_NE85556    -3.0500
Variety_NE85623    -7.7125
Variety_NE86482    -5.1500
Variety_NE86501     1.5000
Variety_NE86503     3.2125
Variety_NE86507    -5.6500
Variety_NE86509    -2.5875
Variety_NE86527    -7.4250
Variety_NE86582    -4.9000
Variety_NE86606     0.3250
Variety_NE86607    -0.1125
Variety_NE86T666   -7.9000
Variety_NE87403    -4.3125
Variety_NE87408    -3.1375
Variety_NE87409    -8.0625
Variety_NE87446    -1.7625
Variety_NE87451    -4.8250
Variety_NE87457    -5.5250
Variety_NE87463    -3.5250
Variety_NE87499    -9.0250
Variety_NE87512    -6.1875
Variety_NE87513    -2.6250
Variety_NE87522    -4.4375
Variety_NE87612    -7.6375
Variety_NE87613    -0.0375
Variety_NE87615    -3.7500
Variety_NE87619     1.8250
Variety_NE87627    -6.2125
Variety_NORKAN     -5.0250
Variety_REDLAND     1.0625
Variety_ROUGHRIDER -8.2500
Variety_SCOUT66    -1.9125
Variety_SIOUXLAND   0.6750
Variety_TAM107     -1.0375
Variety_TAM200     -8.2000
Variety_VONA       -5.8375
(Intercept)        29.4375
> coef(rcb.asr)$random
          effect
Rep_1  1.8795997
Rep_2  2.8432658
Rep_3 -0.8712738
Rep_4 -3.8515916

nlme

কৌশল দেখুন

> nin89$Int <- 1
> rcb.lme <- lme(yield~Variety, random=list(Int=pdIdent(~Rep-1)), data=na.omit(nin89))
> print(rcb.lme, corr=FALSE)
Linear mixed-effects model fit by REML
  Data: na.omit(nin89) 
  Log-restricted-likelihood: -608.8508
  Fixed: yield ~ Variety 
      (Intercept)      VarietyBRULE   VarietyBUCKSKIN    VarietyCENTURA 
          29.4375           -3.3625           -3.8750           -7.7875 
 VarietyCENTURK78   VarietyCHEYENNE       VarietyCODY       VarietyCOLT 
           0.8625           -1.3750           -8.2250           -2.4375 
      VarietyGAGE  VarietyHOMESTEAD   VarietyKS831374     VarietyLANCER 
          -4.9250           -1.8000           -5.3125           -0.8750 
   VarietyLANCOTA    VarietyNE83404    VarietyNE83406    VarietyNE83407 
          -2.8875           -2.0500           -5.1625           -6.7500 
   VarietyNE83432    VarietyNE83498    VarietyNE83T12    VarietyNE84557 
          -9.7125            0.6875           -7.8750           -8.9125 
   VarietyNE85556    VarietyNE85623    VarietyNE86482    VarietyNE86501 
          -3.0500           -7.7125           -5.1500            1.5000 
   VarietyNE86503    VarietyNE86507    VarietyNE86509    VarietyNE86527 
           3.2125           -5.6500           -2.5875           -7.4250 
   VarietyNE86582    VarietyNE86606    VarietyNE86607   VarietyNE86T666 
          -4.9000            0.3250           -0.1125           -7.9000 
   VarietyNE87403    VarietyNE87408    VarietyNE87409    VarietyNE87446 
          -4.3125           -3.1375           -8.0625           -1.7625 
   VarietyNE87451    VarietyNE87457    VarietyNE87463    VarietyNE87499 
          -4.8250           -5.5250           -3.5250           -9.0250 
   VarietyNE87512    VarietyNE87513    VarietyNE87522    VarietyNE87612 
          -6.1875           -2.6250           -4.4375           -7.6375 
   VarietyNE87613    VarietyNE87615    VarietyNE87619    VarietyNE87627 
          -0.0375           -3.7500            1.8250           -6.2125 
    VarietyNORKAN    VarietyREDLAND VarietyROUGHRIDER    VarietySCOUT66 
          -5.0250            1.0625           -8.2500           -1.9125 
 VarietySIOUXLAND     VarietyTAM107     VarietyTAM200       VarietyVONA 
           0.6750           -1.0375           -8.2000           -5.8375 

Random effects:
 Formula: ~Rep - 1 | Int
 Structure: Multiple of an Identity
           Rep1    Rep2    Rep3    Rep4 Residual
StdDev: 3.14371 3.14371 3.14371 3.14371 7.041475

Number of Observations: 224
Number of Groups: 1 
> anova(rcb.lme)
            numDF denDF   F-value p-value
(Intercept)     1   168 242.05402  <.0001
Variety        55   168   0.87549  0.7121
> fixef(rcb.lme)
      (Intercept)      VarietyBRULE   VarietyBUCKSKIN    VarietyCENTURA 
          29.4375           -3.3625           -3.8750           -7.7875 
 VarietyCENTURK78   VarietyCHEYENNE       VarietyCODY       VarietyCOLT 
           0.8625           -1.3750           -8.2250           -2.4375 
      VarietyGAGE  VarietyHOMESTEAD   VarietyKS831374     VarietyLANCER 
          -4.9250           -1.8000           -5.3125           -0.8750 
   VarietyLANCOTA    VarietyNE83404    VarietyNE83406    VarietyNE83407 
          -2.8875           -2.0500           -5.1625           -6.7500 
   VarietyNE83432    VarietyNE83498    VarietyNE83T12    VarietyNE84557 
          -9.7125            0.6875           -7.8750           -8.9125 
   VarietyNE85556    VarietyNE85623    VarietyNE86482    VarietyNE86501 
          -3.0500           -7.7125           -5.1500            1.5000 
   VarietyNE86503    VarietyNE86507    VarietyNE86509    VarietyNE86527 
           3.2125           -5.6500           -2.5875           -7.4250 
   VarietyNE86582    VarietyNE86606    VarietyNE86607   VarietyNE86T666 
          -4.9000            0.3250           -0.1125           -7.9000 
   VarietyNE87403    VarietyNE87408    VarietyNE87409    VarietyNE87446 
          -4.3125           -3.1375           -8.0625           -1.7625 
   VarietyNE87451    VarietyNE87457    VarietyNE87463    VarietyNE87499 
          -4.8250           -5.5250           -3.5250           -9.0250 
   VarietyNE87512    VarietyNE87513    VarietyNE87522    VarietyNE87612 
          -6.1875           -2.6250           -4.4375           -7.6375 
   VarietyNE87613    VarietyNE87615    VarietyNE87619    VarietyNE87627 
          -0.0375           -3.7500            1.8250           -6.2125 
    VarietyNORKAN    VarietyREDLAND VarietyROUGHRIDER    VarietySCOUT66 
          -5.0250            1.0625           -8.2500           -1.9125 
 VarietySIOUXLAND     VarietyTAM107     VarietyTAM200       VarietyVONA 
           0.6750           -1.0375           -8.2000           -5.8375 
> ranef(rcb.lme)
    Rep1     Rep2       Rep3      Rep4
1 1.8796 2.843266 -0.8712739 -3.851592

Answer 4

মডেল 2

ASReml-আর

sp1.asr <- asreml(yield~Variety, rcov=~Column:ar1(Row), data=nin89, na.method.X="include")

> summary(sp1.asr)
$call
asreml(fixed = yield ~ Variety, rcov = ~Column:ar1(Row), data = nin89, 
    na.method.X = "include")

$loglik
[1] -408.1412

$nedf
[1] 168

$sigma
[1] 7.975127

$varcomp
               gamma  component  std.error   z.ratio    constraint
R!variance 1.0000000 63.6026561 11.3182328  5.619486      Positive
R!Row.cor  0.7795799  0.7795799  0.0406026 19.200245 Unconstrained

attr(,"class")
[1] "summary.asreml"
> summary(sp1.asr)$varcomp
               gamma  component  std.error   z.ratio    constraint
R!variance 1.0000000 63.6026561 11.3182328  5.619486      Positive
R!Row.cor  0.7795799  0.7795799  0.0406026 19.200245 Unconstrained
> anova(sp1.asr)
Wald tests for fixed effects

Response: yield

Terms added sequentially; adjusted for those above

              Df Sum of Sq Wald statistic Pr(Chisq)    
(Intercept)    1   24604.3         386.84 < 2.2e-16 ***
Variety       55    7974.4         125.38 2.048e-07 ***
residual (MS)         63.6                             
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
> coef(sp1.asr)$fixed
                        effect
Variety_ARAPAHOE     0.0000000
Variety_BRULE       -2.4048816
Variety_BUCKSKIN     7.8064972
Variety_CENTURA     -1.6997427
Variety_CENTURK78   -1.3829446
Variety_CHEYENNE    -1.1113084
Variety_CODY        -6.7461911
Variety_COLT        -1.7963394
Variety_GAGE        -3.4539524
Variety_HOMESTEAD   -5.5877510
Variety_KS831374    -0.8589476
Variety_LANCER      -2.8418476
Variety_LANCOTA     -5.9394801
Variety_NE83404     -3.4112613
Variety_NE83406     -1.9057358
Variety_NE83407     -3.2563922
Variety_NE83432     -5.4594311
Variety_NE83498      0.6446010
Variety_NE83T12     -4.0071361
Variety_NE84557     -4.2005181
Variety_NE85556      1.4836395
Variety_NE85623     -2.7617129
Variety_NE86482     -1.4309381
Variety_NE86501     -2.2287462
Variety_NE86503     -0.4557866
Variety_NE86507     -0.6983418
Variety_NE86509     -3.9215624
Variety_NE86527      0.5294386
Variety_NE86582     -5.4653632
Variety_NE86606     -0.7291575
Variety_NE86607     -0.1265536
Variety_NE86T666   -12.1437291
Variety_NE87403     -7.4623631
Variety_NE87408     -3.3586380
Variety_NE87409     -1.0360336
Variety_NE87446     -4.9030958
Variety_NE87451     -3.2836149
Variety_NE87457     -3.5244583
Variety_NE87463     -3.8427658
Variety_NE87499     -4.6298393
Variety_NE87512     -5.3760809
Variety_NE87513     -5.5656241
Variety_NE87522     -7.6500899
Variety_NE87612     -2.7225851
Variety_NE87613     -0.8793319
Variety_NE87615     -4.0089291
Variety_NE87619      0.7975626
Variety_NE87627    -10.1315147
Variety_NORKAN      -7.1804945
Variety_REDLAND      0.6753066
Variety_ROUGHRIDER  -0.9637487
Variety_SCOUT66      0.7088916
Variety_SIOUXLAND   -1.1998807
Variety_TAM107      -3.7160351
Variety_TAM200      -9.0340942
Variety_VONA        -2.7970689
(Intercept)         28.3487457

nlme

কাজ করা, এখনও খুঁজে পাওয়া যায় নি। এরকম কিছু হতে পারে। এখনও জিনিসটা করতে পারে না কিভাবে rcov=~Column:ar1(Row)সঙ্গেnlme

nin89$Int <- 1
sp1.lme <- lme(yield~Variety, random=~1|Int, data=na.omit(nin89))

Answer 5

মডেল 3

ASReml-আর

sp2.asr <- asreml(yield~Variety, rcov=~ar1(Column):ar1(Row), data=nin89, na.method.X="include")

> summary(sp2.asr)
$call
asreml(fixed = yield ~ Variety, rcov = ~ar1(Column):ar1(Row), 
    data = nin89, na.method.X = "include")

$loglik
[1] -399.3238

$nedf
[1] 168

$sigma
[1] 6.978728

$varcomp
                 gamma  component  std.error   z.ratio    constraint
R!variance   1.0000000 48.7026395 7.15527571  6.806536      Positive
R!Column.cor 0.4375045  0.4375045 0.08060227  5.427943 Unconstrained
R!Row.cor    0.6554798  0.6554798 0.05637709 11.626704 Unconstrained

attr(,"class")
[1] "summary.asreml"
> summary(sp2.asr)$varcomp
                 gamma  component  std.error   z.ratio    constraint
R!variance   1.0000000 48.7026395 7.15527571  6.806536      Positive
R!Column.cor 0.4375045  0.4375045 0.08060227  5.427943 Unconstrained
R!Row.cor    0.6554798  0.6554798 0.05637709 11.626704 Unconstrained
> anova(sp2.asr)
Wald tests for fixed effects

Response: yield

Terms added sequentially; adjusted for those above

              Df Sum of Sq Wald statistic Pr(Chisq)    
(Intercept)    1   16165.6         331.93 < 2.2e-16 ***
Variety       55    5961.7         122.41 4.866e-07 ***
residual (MS)         48.7                             
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
> coef(sp2.asr)$fixed
                         effect
Variety_ARAPAHOE     0.00000000
Variety_BRULE        0.03029321
Variety_BUCKSKIN     8.89207227
Variety_CENTURA     -0.68979639
Variety_CENTURK78    0.16461970
Variety_CHEYENNE     0.50267820
Variety_CODY        -3.26960093
Variety_COLT        -0.51826695
Variety_GAGE        -0.95824999
Variety_HOMESTEAD   -4.57873078
Variety_KS831374     0.27843476
Variety_LANCER      -2.95379384
Variety_LANCOTA     -4.67006598
Variety_NE83404     -1.32290865
Variety_NE83406     -1.66351994
Variety_NE83407     -2.64471830
Variety_NE83432     -4.42828427
Variety_NE83498      1.80418738
Variety_NE83T12     -2.11789109
Variety_NE84557     -2.34685080
Variety_NE85556      2.78001120
Variety_NE85623     -1.42164134
Variety_NE86482     -1.63334029
Variety_NE86501     -2.94339063
Variety_NE86503     -0.95747374
Variety_NE86507      0.46223383
Variety_NE86509     -3.27166458
Variety_NE86527      1.86588098
Variety_NE86582     -3.87940069
Variety_NE86606      0.22753741
Variety_NE86607      0.60702026
Variety_NE86T666   -10.27005825
Variety_NE87403     -7.43945904
Variety_NE87408     -3.10433009
Variety_NE87409      1.29746980
Variety_NE87446     -4.15943316
Variety_NE87451     -1.85324718
Variety_NE87457     -2.31156727
Variety_NE87463     -4.47086114
Variety_NE87499     -1.85909637
Variety_NE87512     -4.06473578
Variety_NE87513     -3.99604937
Variety_NE87522     -5.52109215
Variety_NE87612     -1.95543098
Variety_NE87613     -0.83160454
Variety_NE87615     -1.92104271
Variety_NE87619      2.98322047
Variety_NE87627     -7.33205188
Variety_NORKAN      -5.78418023
Variety_REDLAND      1.75249392
Variety_ROUGHRIDER  -0.97736288
Variety_SCOUT66      2.13126094
Variety_SIOUXLAND   -2.54195346
Variety_TAM107      -1.59083563
Variety_TAM200      -6.54229161
Variety_VONA        -1.52728371
(Intercept)         27.04285175

nlme

কাজ করা, এখনও খুঁজে পাওয়া যায় নি। এরকম কিছু হতে পারে। এখনও জিনিসটা করতে পারে না কিভাবে rcov=~ar1(Column):ar1(Row)সঙ্গেnlme

nin89$Int <- 1
sp1.lme <- lme(yield~Variety, random=~1|Int, data=na.omit(nin89))

মডেল 2 এবং 3 এর সাথে কীভাবে ফিট করব তা আমি বুঝতে পারি না nlme। আমি এটিতে কাজ করছি এবং এটি শেষ হয়ে গেলে উত্তরটি আপডেট করব। তবে আমি ASReml-Rতুলনা করার উদ্দেশ্যে মডেল 2 এবং 3 এর জন্য আউটপুটটি অন্তর্ভুক্ত করেছি । কেভিনের এই জাতীয় মডেল বিশ্লেষণ করার ভাল অভিজ্ঞতা রয়েছে এবং মিক্সড মডেলগুলির উপর বেন বলকারের দুর্দান্ত কর্তৃত্ব রয়েছে। আমি আশা করি তারা 2 এবং 3 মডেলগুলিতে আমাদের সহায়তা করতে পারে।