22. Uzamsal ve sürekli zaman korelasyon yapıları (gls/lme: üstel, Gauss, küresel, doğrusal, rasyonel, CAR(1))
Şablon kimliği: lme_uzamsal_korelasyon · Kategori: karma model · Dil: R · Dosya: pro/sablonlar/karma_model/lme_uzamsal_korelasyon.R (satır 1–342; üstbilgi 1–166) · Örnek veri: _ornek/wheat2.csv · Paketler: nlme 3.1-168
22.1 Ne işe yarar
Şablon, artıkları birbirinden bağımsız saymak yerine, iki gözlemin artıkları arasındaki korelasyonu aralarındaki uzaklığın azalan bir fonksiyonu olarak modeller. Cevapladığı soru şudur: "Birbirine yakın parsellerin (ya da yakın zamanlı ölçümlerin) benzerliği hesaba katıldığında sabit etkilerin kestirimleri ve standart hataları ne olur; bu benzerlik veride gerçekten var mı?"
- \mathbf y: yanıt vektörü (N gözlem); \mathbf X\boldsymbol\beta: sabit etkiler (çeşit ortalamaları, ortak değişkenler).
- d_{ij}: i. ve j. gözlemin koordinatları arasındaki uzaklık (tek koordinat seçilirse zaman farkı).
- h(\cdot): seçilen korelasyon fonksiyonu; h(0)=1 ve uzaklık arttıkça azalır (22.4.1).
- \rho: aralık (range) parametresi; uzaklığın ölçeği. c_0: külçe (nugget) oranı; çok yakın iki gözlemin bile paylaşmadığı varyans payı (0\le c_0<1).
- \sigma^2: bir gözlemin toplam artık varyansı (eşik).
Gruplama faktörü seçilirse modele o faktörün rastgele kesişimi eklenir ve korelasyon yalnız aynı grubun gözlemleri arasında tanımlanır:
- b_g: g. grubun (blok, birey) rastgele kesişimi; \sigma_b^2 gruplar arası varyans.
- Farklı gruplardaki gözlemlerin artıkları bağımsız sayılır; uzaklıkları hesaba girmez.
Gruplama faktörü yokken model nlme::gls, varken nlme::lme ile kurulur. Şablon her iki durumda aynı sabit etkili ama bağımsız hatalı modeli de kurar, ikisini olabilirlik oranı testi, AIC ve BIC ile karşılaştırır ve korelasyonlu modelin normalleştirilmiş artıklarının yarıvariogramını çizer.
Ne zaman kullanılır? Tarla denemelerinde parsellerin satır ve sütun konumu biliniyorsa ve bloklama toprak eğilimini yakalamaya yetmiyorsa (Zimmerman ve Harville, 1991; Gilmour ve ark., 1997); örnekleme noktalarının koordinatı olan çevre ve ekoloji verilerinde regresyon artıkları uzamsal bağımlıysa; aynı birimde eşit olmayan aralıklarla yinelenen ölçümlerde ardışık bağımlılık zaman farkına göre modellenecekse (sürekli zaman AR(1); Jones, 1993).
Ne zaman kullanılmaz?
- Amaç ölçüm yapılmamış konumlara tahmin haritası üretmekse:
es_krigingşablonu. Bu şablon yalnız sabit etkilerin çıkarımını düzeltir, harita üretmez. - Bağımlılık uzaklıkla değil komşuluk ağırlık matrisiyle (bitişik iller, ilçeler) tanımlıysa: temel programdaki Mekânsal Hata Modeli ya da
sac_slx_gnsşablonu. - Hata varyansı gruplara ya da ortalamaya göre değişiyorsa (korelasyon değil, farklı varyans):
lme_varyans_yapilari. - Yanıt sayım, oran ya da ikiliyse:
glmer_ileri,glmmtmb_aileler; nlme yalnız normal hatalı doğrusal modeli kurar. - Aynı konumda birden çok gözlem varsa ve bunları ayıran bir gruplama faktörü yoksa: uzaklığı sıfır olan iki gözlem korelasyon matrisini tekil yapar; şablon durur (22.2).
Temel programla ilişki. Temel programdaki LMM analizi grup içi benzerliği rastgele etkilerle modeller ve grup içindeki artıkları bağımsız sayar. Bu şablon aynı modele (ya da hiç rastgele etkisi olmayan regresyona) artıkların uzaklığa bağlı korelasyonunu ekler; korelasyon fonksiyonunun biçimi, külçe etkisi ve uzaklık ölçüsü nlme'nin tanımlarıdır (Pinheiro ve Bates, 2000, Bölüm 5.3).
22.2 Şablonun girdileri
Form, üstbilgideki yirmi [[param]] bloğundan kurulur (lme_uzamsal_korelasyon.R:10–165).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Yanıt · y |
sayısal sütun · Değişkenler | ilk sayısal sütun | sayısal sütun | Bağımlı değişken (182–187, 207). |
Sabit etkiler · x |
sütunlar · Değişkenler | boş | herhangi sütunlar; boş olabilir | Sağ taraf; yanıt ve grup sütunları listeden düşülür, koordinat sütunu işaretlendiyse sabit etki olarak kalır (180, 205). |
Sabit terimsiz model (hücre ortalamaları) · kesisimsiz |
onay · Model | kapalı | açık / kapalı | Formüle - 1 eklenir (206). |
Gruplama faktörü (rastgele kesişim; boşsa gls) · grup |
kategorik sütun · Değişkenler | boş | herhangi bir sütun; boş olabilir | Doluysa lme ve ~ 1 | grup; korelasyon grup içinde; otomatik başlangıç yalnız grup içi uzaklıklardan (172, 195–198, 208, 210–211, 239–242). |
Koordinat 1 (ya da zaman) · koord1 |
sayısal sütun · Değişkenler | kullanılmamış ilk sayısal sütun | sayısal sütun | Uzaklığın ilk boyutu (177, 199, 208). |
Koordinat 2 (isteğe bağlı) · koord2 |
sayısal sütun · Değişkenler | boş | sayısal sütun; boş olabilir | İkinci boyut; boşsa uzaklık tek boyutludur (173, 199). |
Korelasyon yapısı · korelasyon |
seçim · Model | corExp |
corExp, corGaus, corSpher, corLin, corRatio, corCAR1 |
Korelasyon fonksiyonu (219–226). |
Külçe (nugget) etkisi · kulce |
onay · Model | açık | açık / kapalı | nugget = TRUE/FALSE; corCAR1'de kullanılmaz (214, 221–225). |
Aralık başlangıç değeri (0 = otomatik) · aralik_bas |
ondalık · Gelişmiş | 0 | ≥ 0 | Sıfırdan büyükse yalnız o değerle tek uyum; 0 ise dört başlangıç denenir (215–218, 259–272; 22.4.5). Form açıklaması (64): "0 iken gözlem uzaklıklarının dört yüzdeliği (%10, %25, %50, %75) başlangıç olarak denenir ve olabilirliği en yüksek çözüm raporlanır. Olabilirlik çok tepeli olabilir; çözüm sınırdaysa çıktıda uyarı yazılır." |
Külçe başlangıç oranı · kulce_bas |
ondalık · Gelişmiş | 0,1 | 0,01–0,9 | Külçe açıksa başlangıç vektörünün ikinci öğesi (221). |
Kestirim yöntemi · yontem |
seçim · Model | REML |
REML, ML |
method = …; iki model de aynı yöntemle (232). |
Uzaklık ölçüsü · uzaklik |
seçim · Model | euclidean |
euclidean, manhattan, maximum |
Uzaklıkların hesabı ve metric = … (210–211, 222–225); korelasyon matrisi geçersizse çalıştırma durur (266–269; 22.4.3). Form açıklaması (86): "Uzamsal korelasyon yapıları için (corCAR1'de kullanılmaz). Manhattan ve en büyük uzaklık yalnız üstel yapıda her zaman geçerli bir korelasyon matrisi verir; öteki yapılarda matris geçersizse çalıştırma durur." |
corCAR1 başlangıç değeri φ · car1_bas |
ondalık · Gelişmiş | 0,5 | 0,01–0,99 | Yalnız corCAR1 (220). |
Sabit etki güven aralıkları tablosu · guven_araliklari |
onay · Çıktı | kapalı | açık / kapalı | Aralık tablosu; yöntem ML ise altına standart hata notu (298–310). Form açıklaması (103): "Kestirim ± t × SH; standart hata ve serbestlik derecesi sabit etkiler tablosundakilerdir." |
Güven düzeyi · guven |
ondalık · Seçenekler | 0,95 | 0,5–0,999 | Aralık tablosunun düzeyi (301, 303). |
Optimizasyon algoritması · optimizer |
seçim · Gelişmiş | nlminb |
nlminb, optim |
opt = … (227–230). |
En çok dış yineleme · maks_yineleme |
tamsayı · Gelişmiş | 200 | 5–10000 | maxIter (227, 229). |
En çok optimizasyon yinelemesi · maks_ic_yineleme |
tamsayı · Gelişmiş | 200 | 5–10000 | msMaxIter (227, 229). |
Yakınsama toleransı · tolerans |
ondalık · Gelişmiş | 10⁻⁶ | 10⁻¹²–0,01 | tolerance (227, 229). |
Optimizasyon toleransı · ic_tolerans |
ondalık · Gelişmiş | 10⁻⁷ | 10⁻¹²–0,01 | msTol (228, 230). |
Başlangıç EM yinelemesi · em_yineleme |
tamsayı · Gelişmiş | 25 | 0–1000 | niterEM; yalnız gruplama faktörlü modelde (230). |
Örnek ayar (ornek_param, satır 9): y = yield, x = [variety], kesisimsiz açık, koord1 = latitude, koord2 = longitude, korelasyon = corSpher, kulce açık, aralik_bas = 28, kulce_bas = 0,2. Dört alan varsayılandan farklıdır: yapı (üstel yerine küresel), sabit terimsiz model ve iki başlangıç değeri. Başlangıç değerleri bu veride sonucu belirler (22.4.5, 22.8).
Şablonun kendi denetimleri. Biçimsel denetimden (Bölüm 1.2) sonra kod şunları durdurur:
| Koşul | İleti (özet) | Satır |
|---|---|---|
| Veri açık değil | "Önce Veri sekmesinde bir veri açın." | 171 |
corCAR1 ve ikinci koordinat dolu |
"tek koordinatla (zaman) kullanılır; koordinat 2'yi boş bırakın" | 175 |
corCAR1 ve gruplama faktörü boş |
"bir gruplama faktörü (birim) seçin" | 176 |
| Yanıt aynı zamanda koordinat | "Yanıt koordinat olamaz." | 178 |
| İki koordinat aynı sütun | "İki koordinat farklı olmalı." | 179 |
| Sabit terimsiz model, sabit etki yok | "en az bir sabit etki seçin" | 181 |
| Eksiksiz satır sayısı < 15 | "Eksiksiz en az 15 satır gerekli." | 185 |
| Yanıt ya da koordinat sayısal değil | "'…' sayısal olmalı." | 186 |
| Yanıt sabit | "Yanıt sabit." | 187 |
| Koordinat(lar) sabit | "uzaklık hesaplanamaz" | 188–189 |
| Sabit etki tek düzeyli ya da sabit | "sabit etkiden çıkarın" | 192–193 |
| Gruplama faktöründe 3'ten az düzey | "en az 3 düzey içermeli" | 197 |
| Grup yok ve aynı konum yineleniyor | "konumlar tekil olmalı (ya da bir gruplama faktörü seçin)" | 200 |
| Bir grup içinde aynı konum yineleniyor | "konumlar grup içinde tekil olmalı" | 201–202 |
| Sıfırdan büyük uzaklığı olan gözlem çifti yok | "Grup içinde en az iki farklı konum gerekli." | 213 |
| Bağımsız hatalı model kurulamadı | "Bağımsız hatalı model kurulamadı: …" | 244 |
| Korelasyonlu model hiçbir başlangıç değeriyle kurulamadı | "yakınsamadı (başlangıç değerlerini değiştirmeyi deneyin): …" | 265 |
| Kurulan bütün çözümlerde korelasyon matrisi pozitif tanımlı değil | "geçerli (pozitif tanımlı) bir korelasyon matrisi vermiyor (en küçük özdeğer …)" | 267–269 |
| Model özeti alınamadı | "Model özeti alınamadı: …" | 273 |
Eksik değer: kullanılan sütunların herhangi birinde eksik olan satır liste bazında atılır (complete.cases, satır 184). Sabit etkilerdeki metin ve mantıksal sütunlar etkene çevrilir (190); sayısal sütunlar ortak değişken olarak kalır.
Koordinat sütunu sabit etki olarak da seçilebilir
Sabit etkiler listesinde işaretlenen sütunlardan yalnız yanıt ve gruplama sütunu modele alınmaz (satır 180: setdiff). Koordinat (ya da zaman) sütunu listede de işaretlenirse hem korelasyonun uzaklık değişkeni olur hem modele sabit etki olarak girer: boylamsal veride zaman eğimi, uzamsal veride koordinata göre doğrusal eğilim. İşaretlenmezse yalnız korelasyonda kullanılır; şablon eğilimi kendiliğinden eklemez. Konsoldaki "Model:" ya da "Fixed effects:" satırı kurulan formülü gösterir; çalıştırmadan sonra oradan denetlenir.
22.3 Örnek veri
Dosya: _ornek/wheat2.csv. Stroup, Baenziger ve Mulitze'nin (1994) Nebraska buğday çeşit denemesi; Pinheiro ve Bates (2000) kitabının Wheat2 verisi. 56 çeşit, 4 blok, toplam 224 parsel; eksik değer yoktur.
| Değişken | Rol | Tür (veri sekmesi) | Özet |
|---|---|---|---|
yield |
Yanıt | sayısal | Parsel verimi; ortalama 25,527; en küçük 1,05; en büyük 42,0. |
variety |
Sabit etki | kategorik (56 düzey) | Her çeşitten 4 parsel (her blokta bir). |
latitude |
Koordinat 1 | koordinat (sayısal aktarılır) | Parselin konumu; 4,3–47,3 arasında 11 değer (adım 4,3). |
longitude |
Koordinat 2 | koordinat (sayısal aktarılır) | Parselin konumu; 1,2–26,4 arasında 22 değer (adım 1,2). |
Block |
bu ayarda kullanılmaz | kategorik (4 düzey) | B1–B4; her blokta 56 parsel. |
Veri sekmesi latitude ve longitude adlarını tanıyıp bu sütunları "Koordinat" türünde gösterir; R'ye sayısal sütun olarak aktarılırlar ve şablonun sayısallık denetiminden geçerler. Koordinatlar derece değil, parsel konumlarıdır; uzaklık bu birimde ölçülür. 224 parselin 24 976 çiftinde en küçük uzaklık 1,2 (aynı sıradaki komşu parseller), medyan 17,813, en büyük 49,840'tır.
Düzey sırası: LANCER, BRULE, REDLAND, CODY, …
variety etiketlerinin tümü rakam içermediğinden düzeyler verideki ilk görülme sırasıyla aktarılır (Bölüm 1.3): dosyanın ilk satırı LANCER'dır. Örnek ayardaki sabit terimsiz modelde her çeşidin kendi katsayısı vardır; sıra yalnız tablo satırlarının sırasını belirler. "Sabit terimsiz model" kapatılırsa kesişim LANCER'ın ortalaması olur ve öteki 55 katsayı LANCER'dan farkı gösterir. Block etiketleri (B1–B4) rakam içerdiği için doğal sırayla (B1, B2, B3, B4) aktarılır; satır sırasına bağlı değildir.
Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar (küresel, külçeli, REML); (2) aynı ayar, sıkı toleranslar (tolerans = ic_tolerans = 10⁻¹⁰); (3) rasyonel kuadratik, başlangıç aralığı 12,5; (4) Gauss ve doğrusal yapı; (5) külçesiz küresel; (6) ML; (7) kesişimli model ve güven aralıkları; (8) gruplama faktörü Block; (9) otomatik başlangıç değerleri (aralik_bas = 0, kulce_bas = 0,1); (10) Manhattan uzaklığı (küresel, Gauss ve üstel yapı); (11) bodyweight.csv verisinde corCAR1 ve külçesiz üstel yapı (yanıt weight, sabit etkiler Time ve Diet, grup Rat, koordinat Time).
22.4 Yöntem: formüller ve hesap adımları
Şablonun hesap sırası: (1) eksik satırları at, girdileri denetle; (2) korelasyonun tanımlı olduğu gözlem çiftlerinin uzaklıklarını hesapla ve aralık için başlangıç adaylarını belirle; (3) bağımsız hatalı modeli, ardından her başlangıç adayıyla korelasyonlu modeli aynı yöntemle (REML ya da ML) kestir; korelasyon matrisi geçersiz olan çözümleri ele, kalanlardan olabilirliği en yüksek olanı seç; (4) sabit etki tablosunu, başlangıç notunu, gerekiyorsa sınır çözümü uyarısını, istenirse güven aralıklarını, korelasyon parametrelerini ve varyans bileşenlerini yaz; (5) iki modeli karşılaştır; (6) normalleştirilmiş artıkların yarıvariogramını çiz.
22.4.1 Korelasyon fonksiyonları
Ölçeklenmiş uzaklık s=d/\rho olmak üzere beş uzamsal yapı:
- Küresel ve doğrusal yapıda \rho korelasyonun tam sıfırlandığı uzaklıktır.
- Üstel, Gauss ve rasyonel kuadratik yapıda korelasyon hiçbir uzaklıkta sıfır olmaz; \rho yalnız ölçektir. Korelasyonun 0,05'e indiği "pratik aralık" üstelde 3\rho, Gauss'ta \sqrt3\,\rho, rasyonel kuadratikte \sqrt{19}\,\rho\approx4{,}36\rho'dur.
- Külçe açıkken bütün yapılarda R_{ij}=(1-c_0)\,h(s_{ij}); kapalıyken c_0=0.
Altıncı seçenek sürekli zaman AR(1)'dir (corCAR1):
- t_{gi}: g. birimin i. ölçüm zamanı (Koordinat 1). \phi: bir zaman birimi arayla yapılan iki ölçümün korelasyonu.
- Ölçüm zamanları eşit aralıklı ve tamsayıysa bildik AR(1)'e eşittir; aralıklar eşit değilse üs gerçek zaman farkıdır.
- \phi=e^{-1/\rho} yazılırsa külçesiz üstel yapının aynısıdır (22.6, Adım 7).
Neden birden çok fonksiyon?
Fonksiyonlar kısa uzaklıktaki davranışta ayrılır. Üstel, küresel ve doğrusal yapı sıfır uzaklık çevresinde doğrusal azalır (pürüzlü yüzey); Gauss ve rasyonel kuadratik yapı başlangıçta yataydır (çok düzgün yüzey). Küresel ve doğrusal yapının sonlu aralığı, belli bir uzaklıktan sonra parsellerin gerçekten bağımsız olduğu varsayımına karşılık gelir. Veri çoğu zaman bunlar arasında keskin bir ayrım yapmaz; örnek veride dört külçeli yapının log-olabilirlikleri −533,93 ile −532,64 arasındadır (22.7).
22.4.2 Külçe etkisi ve yarıvariogram
Modelin yarıvariogramı, d uzaklığındaki iki artığın farkının varyansının yarısıdır:
- d\to0^{+} iken \gamma\to c_0\sigma^2: külçe varyansı; ölçüm hatası ve en küçük parsel aralığından kısa ölçekli değişkenlik.
- d\to\infty (ya da d\ge\rho) iken \gamma\to\sigma^2: eşik (toplam varyans; Cressie, 1993). Aradaki fark (1-c_0)\sigma^2 uzamsal olarak yapılanmış varyanstır (kısmi eşik).
- nlme külçeyi varyans olarak değil oran olarak verir: c_0=\text{külçe varyansı}/\text{toplam varyans}.
Koddaki tercih
Külçe varsayılan olarak açıktır (satır 55). nlme'nin kendi varsayılanı nugget = FALSE'tur; şablon bunu tersine çevirir. Külçesiz model, sıfır uzaklıkta korelasyonun 1 olduğunu, yani iki bitişik parselin neredeyse aynı artığı taşıdığını varsayar; tarla verisinde bu çoğu zaman tutmaz. Örnek veride külçe kapatılınca log-olabilirlik −533,93'ten −553,46'ya düşer (22.7).
22.4.3 Uzaklık ölçüsü
İki koordinatlı gözlemler için \mathbf u_i=(u_{i1},u_{i2}) olmak üzere:
- k: koordinat boyutu (1 ya da 2). Tek koordinatta üç ölçü de \lvert u_i-u_j\rvert'ye iner.
- Koordinatlar ölçeklenmez; iki eksenin birimi aynı olmalıdır (enlem derece, yükseklik metre gibi karışık birimler anlamsız uzaklık verir).
Öklid dışındaki ölçüler her yapıyla geçerli korelasyon vermez
Bir h fonksiyonunun geçerli (pozitif tanımlı) bir korelasyon matrisi üretmesi uzaklığın tanımına ve konumların boyutuna bağlıdır (Curriero, 2006). Manhattan ve Chebyshev uzaklığında yalnız üstel yapı her zaman geçerlidir (eksenlere göre ayrılabilir üstel korelasyon). nlme matrisin geçerliliğini denetlemez ve geçersiz matrisle de sayı üretir; denetimi şablon yapar: uydurulan her çözümde korelasyon matrisinin en küçük özdeğeri hesaplanır (satır 247–251), özdeğeri negatif olan çözümler elenir (266) ve geriye çözüm kalmazsa çalıştırma şu iletiyle durur (267–269): "Seçilen korelasyon yapısı bu uzaklık ölçüsü ve bu konumlarla geçerli (pozitif tanımlı) bir korelasyon matrisi vermiyor (en küçük özdeğer …); sonuç yorumlanamaz. Başka bir yapı (üstel yapı her uzaklık ölçüsünde geçerlidir), başka bir uzaklık ölçüsü ya da başka bir başlangıç değeri seçin." Örnek veride Manhattan uzaklığıyla küresel yapı (en küçük özdeğer −0,3157) ve Gauss yapı (−1,09) bu iletiyle durur; üstel yapı çalışır (aralık 22,04; külçe 0,194; logLik −533,97). Bağımsız hesapta, küresel yapıyla eniyilemenin vardığı noktada (aralık 30,54; külçe 0,208) 224×224 korelasyon matrisinin dört özdeğeri negatiftir ve Cholesky çarpanı yoktur; böyle bir matris hiçbir rastgele vektörün korelasyonu olamaz. Denetim yapı ile ölçünün adına değil matrisin kendisine bakar: Öklid uzaklığında doğrusal yapı da iki koordinatla geçersiz bir matris verebilir (22.8).
22.4.4 Kestirim: profil olabilirlik
\boldsymbol\theta=(\rho,c_0) verildiğinde sabit etkiler ve \sigma^2 kapalı biçimde bulunur; olabilirlik yalnız \boldsymbol\theta'ya bağlı kalır (profil olabilirlik). REML için:
- \mathbf R=\mathbf R(\boldsymbol\theta): 22.1'deki korelasyon matrisi; N gözlem, p sabit etki katsayısı.
- \hat{\boldsymbol\beta}: genelleştirilmiş en küçük kareler kestirimi; yakın parsellerin artıkları birbirinden bilgi ödünç alır.
- ML seçilirse \hat\sigma^2'nin paydası N olur, köşeli parantezin çarpanı N/2 olur ve son terim (\ln\lvert\mathbf X^{\top}\mathbf R^{-1}\mathbf X\rvert) düşer.
- Gruplama faktörü varsa \mathbf R yerine \mathbf R+(\sigma_b^2/\sigma^2)\,\mathbf Z\mathbf Z^{\top} gelir (\mathbf Z grup gösterge matrisi) ve \mathbf R'nin gruplar arası öğeleri sıfırdır.
Neden REML varsayılan?
ML, \sigma^2'yi ve korelasyon parametrelerini kestirirken sabit etkilerin harcadığı p serbestlik derecesini hesaba katmaz; varyans aşağı yanlı çıkar (Patterson ve Thompson, 1971). Örnek veride p=56, N=224'tür; yanlılık büyüktür: bağımsız hatalı modelde REML \hat\sigma=7{,}711, ML \hat\sigma=6{,}678. Küresel modelde külçe REML'de 0,209, ML'de 0,155'tir. İki modelin sabit etkileri aynı olduğundan (yalnız korelasyon yapısı değişir) REML olabilirlikleri karşılaştırılabilir.
Sabit etkilerin standart hatası \operatorname{SH}(\hat\beta_k)=\hat\sigma\sqrt{[(\mathbf X^{\top}\hat{\mathbf R}^{-1}\mathbf X)^{-1}]_{kk}}'dır; nlme ML'de bunu \sqrt{N/(N-p)} ile çarpar. Test t=\hat\beta_k/\operatorname{SH}'dir. Gruplama faktörü yokken sd N-p'dir (örnekte 168); gruplama faktörlü modelde nlme'nin düzey kuralı uygulanır ve tabloya sd sütunu eklenir (örnek veride Block ile çeşit katsayılarının sd'si 224-4-55=165).
Güven aralıkları tablosu istenirse her katsayı için \hat\beta_k\pm t_{(1+g)/2;\,\text{sd}}\cdot\operatorname{SH}(\hat\beta_k) yazılır (g güven düzeyi; satır 300–303). SH ve sd sabit etkiler tablosundakilerdir; aralık bu yüzden REML'de de ML'de de, gruplama faktörlü modelde de tablodaki t testiyle tutarlıdır. Örnek: sabit terimli modelde BRULE − LANCER farkı için 2{,}5164\pm1{,}9742\cdot2{,}8600=[-3{,}1298;\ 8{,}1626] (sd 168); ML ve Block gruplama faktörüyle LANCER için 24{,}6795\pm1{,}9744\cdot3{,}1024=[18{,}5539;\ 30{,}8050] (sd 165). Yöntem ML ise tablonun altına şu not yazılır (304–309; gls ve lme'de aynı): "Not: ML'de standart hata √(N/(N − p)) = 1,1547 ile çarpılmıştır (nlme özet tanımı); aralıklar bu SH ile kurulur. Çarpansız SH = SH / 1,1547." Çarpan örnek veride \sqrt{224/168}=1{,}1547'dir. nlme'nin özeti ML'de katsayı kovaryansını N/(N-p) ile büyütür; sabit etkiler tablosundaki SH, t ve p ile aralıklar bu düzeltilmiş SH'ye dayanır. Düzeltmesiz ML standart hatası gerekirse tablodaki SH çarpana bölünür: LANCER için 3{,}1024/1{,}1547=2{,}6868. REML'de çarpan yoktur ve not yazılmaz.
22.4.5 Başlangıç değerleri ve eniyileme
\ell_R'yi en büyükleyen \boldsymbol\theta yinelemeli aranır. nlme parametreleri kısıtsız ölçeğe taşır (\ln\rho ve \operatorname{logit} c_0) ve nlminb (ya da seçilirse optim BFGS) ile eniyiler.
Koddaki tercih
Aralık başlangıcı verilmişse (aralik_bas > 0) yalnız o değerle tek uyum yapılır. 0 ise korelasyonun tanımlı olduğu gözlem çiftlerinin (gruplama faktörü varsa yalnız grup içi çiftlerin) sıfırdan büyük uzaklıklarının dört yüzdeliği sırayla başlangıç alınır: %50, %10, %25, %75 (satır 210–218; örnek veride 17,81; 6,444; 11,62; 25,83). Model her adayla ayrı ayrı uydurulur (259–263); hata veren aday atlanır (264), korelasyon matrisi geçersiz olan çözüm elenir (266) ve kalanlardan log-olabilirliği en yüksek olan raporlanır; log-olabilirlikler 10^{-6} içinde eşitse sırada önce gelen, yani medyanla başlayan seçilir (270–272). Çıktıya "Aralık başlangıcı otomatik: 4 değer denendi (…), 4 tanesinde model kuruldu; olabilirliği en yüksek çözüm raporlandı (başlangıç …)." satırı yazılır (283–285); ikinci sayı, modelin kurulabildiği ve korelasyon matrisi geçerli çıkan aday sayısıdır. Külçenin başlangıcı her adayda kulce_bas'tır (221). nlme'nin kendi otomatik başlangıcı (en küçük uzaklığın %90'ı; külçe 0,1) kullanılmaz. Yineleme sınırları ve toleranslar glsControl / lmeControl'e aktarılır (227–230); şablonun yineleme sınırı varsayılanları (ikisi de 200) nlme'ninkilerden küçük değildir (dış yineleme 50; eniyileme gls'te 200, lme'de 50), toleranslar aynıdır (10⁻⁶ ve 10⁻⁷). Otomatik başlangıçta dört uyum yapıldığından süre yaklaşık dört katına çıkar (örnek veride 4 s yerine 11 s).
Olabilirlik yüzeyi çok tepeli olabilir
Uzamsal korelasyon parametrelerinin olabilirliği çoğu zaman tek tepeli değildir (Mardia ve Marshall, 1984; Warnes ve Ripley, 1987). Arama yereldir: bulunan çözüm başlangıç değerine bağlıdır. Örnek veride küresel yapının, yalnız başlangıç değerine göre ulaşılan dört ayrı çözümü vardır (22.6, Adım 6; Şekil 22.1): aralık 27,46 (yayımlanmış çözüm; logLik −533,9315), 36,16 (−533,7434), 37,38 (−533,7425) ve aralığın on binlere çıktığı sınır çözümü (−533,4185). Dört başlangıç denemek tek başlangıçtan daha güvenlidir, ama genel en büyüğün bulunduğunu güvenceye almaz; raporlanan, denenen başlangıçların vardığı çözümlerin en iyisidir.
Sınır çözümü: uyarı ne der
Aralık büyüdükçe olabilirlik artmaya devam ediyorsa eniyileme sonlu bir aralıkta durmaz; \hat\rho ile \hat\sigma birlikte büyür. Şablon raporlanan çözümü iki ölçütle sınar (satır 255–258): kestirilen aralık en büyük gözlem uzaklığının 3 katını (doğrusal yapıda 1 katını) aşıyor mu; \hat\sigma bağımsız hatalı modelin \hat\sigma'sının 5 katını aşıyor mu. Biri sağlanırsa "Uyarı: sınır çözümü. …" metni yazılır (286–297); denenen başlangıçlardan biri sonlu aralıklı bir çözüme vardıysa uyarının sonunda o çözümün aralığı, log-olabilirliği ve onu veren başlangıç değeri de bildirilir. Denetim başlangıç değeri elle verildiğinde de yapılır; corCAR1'de yapılmaz (256). Uyarının söylediği şudur: korelasyon gözlenen uzaklıklar içinde eşiğe ulaşmamaktadır; aralık ile \sigma ayrı ayrı belirlenemez, \hat\sigma ve sabit terim niteliğindeki katsayıların (hücre ortalamaları, kesişim) standart hataları yorumlanamaz. Katsayı farkları, log-olabilirlik, olabilirlik oranı testi ve AIC bundan etkilenmez. Uyarıdan sonra ne yapılacağı 22.7'de örnekle anlatılmıştır.
22.4.6 Model karşılaştırması
- \ell_0, \ell_1: bağımsız hatalı ve korelasyonlu modelin (aynı yöntemle bulunan) log-olabilirlikleri.
- k: parametre sayısı (tablodaki
sdsütunu): sabit etkiler + \sigma + korelasyon parametreleri (+ rastgele kesişim varyansı). Örnekte 56+1+2=59 ve 57. - N^{*}: nlme REML'de N-p, ML'de N alır.
- LR, sd'si iki modelin parametre farkı olan ki-kare dağılımıyla sınanır (
anova, satır 321).
Neden p değeri yaklaşıktır?
Bağımsızlık, korelasyonlu modelin parametre uzayının sınırındadır: c_0\to1 ya da \rho\to0 iken korelasyon kaybolur ve öteki parametre tanımsız kalır. Bu durumda LR'nin sıfır dağılımı \chi^2_2 değildir; ki-kare başvurusu çoğunlukla tutucudur (Self ve Liang, 1987; Stram ve Lee, 1994). Örnek verideki gibi LR çok büyükken (172,9) sonuç değişmez; sınıra yakın p değerlerinde AIC ve yarıvariogram birlikte değerlendirilir.
22.4.7 Normalleştirilmiş artıkların yarıvariogramı
Korelasyon yapısı doğruysa, artıklar bu yapının ters karekök çarpanıyla çarpıldığında birbirinden ilişkisiz ve birim varyanslı olmalıdır:
- \hat{\mathbf L}: kestirilen korelasyon matrisinin alt üçgen (Cholesky) çarpanı; \mathbf r^{*} nlme'nin "normalized" artığıdır.
- Çiftler uzaklığa göre 20 eşit sıklıklı aralığa bölünür (uzaklığın yirmilik kantilleri); her aralık için yarı kare farkların ortalaması, o aralıktaki uzaklıkların medyanına karşı çizilir (
Variogram(…, resType = "normalized"), satır 332; nlme varsayılanlarıcollapse = "quantiles",nint = 20). - Gruplama faktörü varsa çiftler yalnız grup içinden kurulur.
Model uzamsal bağımlılığı yakaladıysa noktalar uzaklığa göre eğilim göstermeden yatay dizilir. Düzeyleri REML'de 1 değil (N-p)/N çevresindedir: \sum r^{*2}_i=N-p olduğundan normalleştirilmiş artıkların kareler ortalaması tam (N-p)/N'dir (ML'de \hat\sigma^2'nin paydası N olduğundan 1). Örnek veride bu 168/224=0{,}75'tir. Şablon kesikli başvuru çizgisini 1'e değil bu ortalamaya çizer ve değerini şekil başlığında yazar (satır 335–339); noktalar çizginin çevresinde yatay diziliyorsa yapı yeterlidir (22.7).
22.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–166 | Üstbilgi: kimlik, açıklama, örnek veri ve ayar, yirmi parametre. | Form ve varsayılanlar buradan kurulur (Bölüm 1.2). |
| 167–170 | .m() ileti dili; nlme yüklenir; bos() yardımcı işlevi. |
Boş bırakılan seçmeli alanlar NULL, "" ya da boş vektör gelebilir. |
| 171–181 | Rol denetimleri; koord vektörü; xs (yanıt ve grup düşülmüş sabit etkiler). |
corCAR1 tek koordinat ve grup ister (175–176). Koordinat sütunu sabit etkilerde kalır (180). |
| 182–202 | Kullanılan sütunlar, eksiksiz satırlar, sayısallık ve sabitlik denetimleri, etkene çevirme, yinelenen konum denetimi. | Yinelenen konum grup yokken bütün veride, grup varken grup içinde aranır (200–202). |
| 204–218 | Formüller (sabit_f, korelasyon formülü kf), korelasyonun tanımlı olduğu çiftlerin uzaklıkları (uzk), aralık başlangıcı adayları. |
Adlar ters tırnakla korunur; boşluklu sütun adları çalışır (204). Grup varsa yalnız grup içi uzaklıklar (210–211). Otomatik başlangıçta dört yüzdelik, medyan ilk sırada (218). |
| 219–230 | kor_kur(): verilen başlangıçla korelasyon nesnesi (corCAR1 ya da beş uzamsal yapıdan biri); denetim (control) listesi. |
nugget ve metric beş yapıya da verilir (223–225). |
| 231–244 | kur(): gruba göre gls ya da lme; m0 (bağımsız hatalı model). |
nlme hatası çevrilmiş önekle iletiye dönüşür (244). |
| 245–258 | Yardımcılar: en_kucuk_oz() (korelasyon matrisinin en küçük özdeğeri), aralik_al(), sinirda() (sınır çözümü ölçütü). |
Gruplu modelde her grubun matrisi ayrı denetlenir (249–250). Sınır ölçütü: aralık > 3 × en büyük uzaklık (doğrusal yapıda 1 ×) ya da \hat\sigma > 5 × bağımsız modelin \hat\sigma'sı (257). |
| 259–274 | Her başlangıç adayıyla uyum; kurulamayanların ve geçersiz matrislilerin elenmesi; en yüksek olabilirlikli çözümün seçimi (m1); summary(m1) konsola. |
Hiçbiri kurulamazsa (265) ya da hepsinin matrisi geçersizse (267–269) çalıştırma durur. |
| 276–297 | "Sabit etkiler" tablosu; otomatik başlangıç notu; sınır çözümü uyarısı. | gls'te dört, lme'de sd ile beş sayısal sütun (277–281). Not yalnız otomatik başlangıçta (283), uyarı her durumda (286). |
| 298–310 | İstenirse güven aralıkları tablosu: kestirim ± t × SH; yöntem ML ise standart hata notu. | sd gls'te N-p, lme'de sabit etkiler tablosunun sd sütunu (300). Not çarpanı \sqrt{N/(N-p)} verir (304–309). |
| 311–320 | "Korelasyon parametreleri" tablosu (kısıtlı ölçekte) ve \hat\sigma; grup varsa "Varyans bileşenleri". | coef(cs, unconstrained = FALSE) aralığı ve külçe oranını doğal ölçekte verir (312). |
| 321–330 | "Model karşılaştırması" tablosu: sd, logLik, AIC, BIC, LR, p. | anova(m0, m1) hata verirse LR ve p sütunları eklenmez (321, 326). |
| 332–341 | Normalleştirilmiş artık yarıvariogramı; mq_sekil. |
En az iki nokta yoksa şekil çizilmez (333). Başvuru çizgisi normalleştirilmiş artıkların kareler ortalamasındadır (335, 339). |
Korelasyon formülü, grup yokken ~ latitude + longitude, grup varken ~ latitude + longitude | Block biçimindedir (satır 208); dikey çizginin sağı korelasyonun hangi birim içinde tanımlandığını söyler.
22.6 Elle hesap: örnek veride bağımsız yeniden hesap
Değerler dogrulama/lme_uzamsal_korelasyon/elle_hesap.py ile, nlme kullanılmadan, 22.4'teki formüllerin doğrudan uygulanmasıyla bulunmuştur: korelasyon matrisi açık formülle kurulmuş, profil olabilirlik yarı-Newton aramasıyla ve ardından sonlu farklı Newton adımlarıyla en büyüklenmiştir. R tarafında (r_dogrulama.R) aynı hesap nlme yüklenmeden yinelenmiştir.
Adım 1 — Uzaklık ve korelasyon. Dosyanın ilk iki parseli aynı sıradadır (enlem 4,3; boylam 19,2 ve 20,4): d=1{,}2. Kestirilen \hat\rho=27{,}457466, \hat c_0=0{,}209314 ile:
| Uzaklık d | 1,2 | 2,4 | 4,3 | 8,6 | 17,81 (medyan) | 27,0 | ≥ 27,46 |
|---|---|---|---|---|---|---|---|
| h(d/\hat\rho) | 0,9345 | 0,8692 | 0,7670 | 0,5455 | 0,1635 | 0,0004 | 0 |
| Korelasyon | 0,7389 | 0,6873 | 0,6065 | 0,4314 | 0,1293 | 0,0003 | 0 |
Adım 2 — Bağımsız hatalı model. Hücre ortalamalı modelde her çeşit 4 parselde olduğundan \mathbf X^{\top}\mathbf X=4\,\mathbf I_{56} ve \ln\lvert\mathbf X^{\top}\mathbf X\rvert=56\ln4=77{,}6325. Artık kareler toplamından \hat\sigma_0^2=59{,}4653 (\hat\sigma_0=7{,}711373; sd 168):
Adım 3 — Korelasyonlu modelin en büyüğü. Başlangıç (28; 0,2) ile arama:
Toplam varyans \hat\sigma^2=54{,}9170; bunun külçe payı 0{,}209314\cdot54{,}9170=11{,}4949, uzamsal yapılanmış payı (kısmi eşik) 43{,}4221'dir.
Adım 4 — Sabit etkiler. LANCER çeşidinin ham ortalaması 28,5625'tir; komşu parsellerin artıklarından ödünç alınan bilgiyle genelleştirilmiş en küçük kareler kestirimi:
Bağımsız hatalı modelde aynı ortalamanın SH'si 7{,}711373/\sqrt4=3{,}8557'dir.
Adım 5 — Karşılaştırma ölçütleri. k_1=59, k_0=57, N^{*}=168:
Adım 6 — Olabilirlik yüzeyinin taranması. Aralık sabit tutulup külçe her aralık değerinde yeniden en iyilendiğinde (profil):
| Aralık | 20 | 25 | 27,4575 | 29 | 35 | 50 | 100 | 1000 | 10 000 |
|---|---|---|---|---|---|---|---|---|---|
| Profil \ell_R | −535,2609 | −534,2513 | −533,9315 | −533,9893 | −533,7602 | −533,6068 | −533,4519 | −533,4188 | −533,4185 |
Yayımlanmış çözüm (27,4575) bir yerel en büyüktür: hemen sağında yüzey 0,058 birim alçalır (aralık 29), sonra yeniden yükselir. Yükseliş düzgün değildir: küresel fonksiyonun türevi her gözlem uzaklığında kırıldığından profil üzerinde iki sığ tepe daha vardır (aralık 36,16'da −533,7434 ve 37,38'de −533,7425; aralarında 36,6'da −533,7470, ardından 39'da −533,7604). Aralık 40'tan sonra yüzey yeniden yükselir ve −533,4185'e yaklaşır. Bu sınır, eşiği olmayan doğrusal variogram modelidir: \gamma(d)=c+b\,d biçimindeki model hata kontrastlarının olabilirliğiyle doğrudan uydurulduğunda \hat c=11{,}9218, \hat b=2{,}1574 ve \ell_R=-533{,}418502 bulunur. Aralık çok büyükken küresel (ve üstel) fonksiyonun gözlenen uzaklıklardaki bölümü doğrusaldır; \sigma^2 ile \rho birlikte sınırsız büyür, oranları sabit kalır. Şablon aynı ayarla, yalnız başlangıç değerleri değiştirilerek çalıştırıldığında bu çözümlerin dördüne de varır: başlangıç (28; 0,2) ile 27,4575; (28; 0,1) ile 36,1576; (11,62; 0,2) ile 37,3770; (17,81; 0,1) ile sınır.
Şekil 22.1. Küresel yapıda profil kısıtlı log-olabilirlik (örnek veri; külçe her aralık değerinde en iyilenmiştir). (a) Aralık büyüdükçe olabilirlik doğrusal variogram sınırına yükselir. (b) Yayımlanmış çözüm (nokta) sığ bir yerel en büyüktür; örnek ayarın başlangıç değeri (28) bu tepenin yanındadır.

Adım 7 — Sürekli zaman AR(1) ve üstel yapının eşdeğerliği. bodyweight.csv verisinde (yanıt weight, sabit etkiler Time ve Diet, grup Rat, koordinat Time) corCAR1 ile \hat\phi=0{,}99790400, \hat\sigma=38{,}575615, \ell_R=-580{,}992565 bulunur; zaman eğimi 0,605138 (SH 0,076178). Aynı veri külçesiz üstel yapıyla çalıştırıldığında aralık -1/\ln\hat\phi=476{,}5988 olur; log-olabilirlik ve sabit etkiler aynıdır.
Adım 8 — Yarıvariogram. Adım 3'teki \hat{\mathbf R}'nin Cholesky çarpanıyla normalleştirilen artıkların ilk üçü 0,798428; 0,266062; 0,489713'tür. 24 976 çift 20 kantil aralığına bölündüğünde ilk nokta (uzaklık medyanı 4,3; 1143 çift) 0,699752, son nokta (39,364; 1234 çift) 0,809511'dir; yirmi nokta 0,700 ile 0,811 arasındadır. Bütün çiftlerin ortalaması 0,7527, beklenen düzey 168/224=0{,}75'tir.
22.6.1 Doğrulama: MerQuR+, Python ve R
MerQuR+ sütunu şablonun tablolarından tam hassasiyetle alınmıştır (çalıştırmalar 1–8, 10 ve 11). Python ve R sütunlarında nlme kullanılmamıştır.
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | |
|---|---|---|---|---|---|
| Küresel: aralık | 27,45747768 | 27,45746599 | 27,45746599 | 4,3e−7 | ✓ |
| Küresel: külçe | 0,20931435 | 0,20931433 | 0,20931433 | 1,9e−8 | ✓ |
| Küresel: \hat\sigma | 7,41059818 | 7,41059783 | 7,41059783 | 4,8e−8 | ✓ |
| Küresel: logLik | −533,93154269 | −533,93154269 | −533,93154269 | 1,9e−14 | ✓ |
| Küresel: AIC | 1185,86308538 | 1185,86308538 | 1185,86308538 | 1,9e−14 | ✓ |
| Küresel: BIC | 1370,17696017 | 1370,17696017 | 1370,17696017 | 1,5e−14 | ✓ |
| Bağımsız hatalar: logLik | −620,37089378 | −620,37089378 | −620,37089378 | 5,7e−15 | ✓ |
| Bağımsız hatalar: AIC | 1354,74178756 | 1354,74178756 | 1354,74178756 | 8,2e−15 | ✓ |
| Bağımsız hatalar: BIC | 1532,80773438 | 1532,80773438 | 1532,80773438 | 4,5e−15 | ✓ |
| Küresel: LR | 172,87870217 | 172,87870217 | 172,87870217 | 1,5e−13 | ✓ |
| Küresel: p (LR) | 2,883147·10−38 | 2,883147·10−38 | 2,883147·10−38 | 3,8e−49 | ✓ |
| Küresel: \hat\beta (LANCER) | 23,33316887 | 23,33316968 | 23,33316968 | 3,5e−8 | ✓ |
| Küresel: SH (LANCER) | 3,44531834 | 3,44531767 | 3,44531767 | 1,9e−7 | ✓ |
| Küresel: \hat\beta (BRULE) | 25,84956417 | 25,84956485 | 25,84956485 | 2,6e−8 | ✓ |
| Küresel: SH (BRULE) | 3,44179175 | 3,44179107 | 3,44179107 | 2,0e−7 | ✓ |
| Küresel: t (LANCER) | 6,77242756 | 6,7724291 | 6,7724291 | 2,3e−7 | ✓ |
| Küresel: p (LANCER) | 2,033159·10−10 | 2,033142·10−10 | 2,033142·10−10 | 1,7e−15 | ✓ |
| Küresel (varsayılan tolerans): aralık | 27,45747768 | 27,45746599 | 27,45746599 | 4,3e−7 | ✓ |
| Küresel (varsayılan tolerans): külçe | 0,20931435 | 0,20931433 | 0,20931433 | 1,9e−8 | ✓ |
| Küresel (varsayılan tolerans): logLik | −533,93154269 | −533,93154269 | −533,93154269 | 1,9e−14 | ✓ |
| Rasyonel kuadratik: aralık | 13,46133581 | 13,46133315 | 13,46133315 | 2,0e−7 | ✓ |
| Rasyonel kuadratik: külçe | 0,19358031 | 0,19358033 | 0,19358033 | 1,9e−8 | ✓ |
| Rasyonel kuadratik: \hat\sigma | 8,84683111 | 8,84683045 | 8,84683045 | 7,5e−8 | ✓ |
| Rasyonel kuadratik: logLik | −532,63888818 | −532,63888818 | −532,63888818 | 2,1e−16 | ✓ |
| Rasyonel kuadratik: \hat\beta (LANCER) | 23,0456547 | 23,04565492 | 23,04565492 | 9,8e−9 | ✓ |
| Rasyonel kuadratik: SH (LANCER) | 4,98694091 | 4,98694022 | 4,98694022 | 1,4e−7 | ✓ |
| Gauss: aralık | 10,70060593 | 10,70060654 | 10,70060654 | 5,7e−8 | ✓ |
| Gauss: külçe | 0,26142151 | 0,26142147 | 0,26142147 | 4,1e−8 | ✓ |
| Gauss: logLik | −533,55085686 | −533,55085686 | −533,55085686 | 8,5e−16 | ✓ |
| Doğrusal: aralık | 10,79620432 | 10,7962047 | 10,7962047 | 3,5e−8 | ✓ |
| Doğrusal: külçe | 0,20504866 | 0,20504869 | 0,20504869 | 3,0e−8 | ✓ |
| Doğrusal: logLik | −533,28149849 | −533,28149849 | −533,28149849 | 6,4e−16 | ✓ |
| Külçesiz küresel: aralık | 13,68845977 | 13,68845843 | 13,68845843 | 9,8e−8 | ✓ |
| Külçesiz küresel: \hat\sigma | 9,94739056 | 9,94739008 | 9,94739008 | 4,8e−8 | ✓ |
| Külçesiz küresel: logLik | −553,45622028 | −553,45622028 | −553,45622028 | 1,0e−15 | ✓ |
| Külçesiz küresel: LR (sd 1) | 133,829347 | 133,829347 | 133,829347 | 4,6e−14 | ✓ |
| ML: aralık | 27,20935673 | 27,20935627 | 27,20935627 | 1,7e−8 | ✓ |
| ML: külçe | 0,15526602 | 0,15526602 | 0,15526602 | 6,4e−9 | ✓ |
| ML: \hat\sigma | 6,95372367 | 6,95372357 | 6,95372357 | 1,4e−8 | ✓ |
| ML: logLik | −623,66615727 | −623,66615727 | −623,66615727 | 5,5e−16 | ✓ |
| ML: bağımsız hatalar logLik | −743,18581011 | −743,18581011 | −743,18581011 | 4,6e−16 | ✓ |
| ML: BIC | 1566,61943159 | 1566,61943159 | 1566,61943159 | 2,2e−15 | ✓ |
| ML: SH (LANCER) | 3,66910766 | 3,66910759 | 3,66910759 | 1,8e−8 | ✓ |
| Kesişimli: BRULE − LANCER | 2,5163953 | 2,51639517 | 2,51639517 | 5,3e−8 | ✓ |
| Kesişimli: SH (BRULE − LANCER) | 2,8600223 | 2,86002222 | 2,86002222 | 2,7e−8 | ✓ |
| Kesişimli: %95 GA alt (BRULE − LANCER) | −3,12981837 | −3,12981835 | −3,12981835 | 6,2e−9 | ✓ |
| Kesişimli: %95 GA üst (BRULE − LANCER) | 8,16260898 | 8,16260869 | 8,16260869 | 3,5e−8 | ✓ |
| Kesişimli: %95 GA alt (kesişim) | 16,53147243 | 16,53147455 | 16,53147455 | 1,3e−7 | ✓ |
| Gruplu: aralık | 27,82334459 | 27,82334469 | 27,82334469 | 3,6e−9 | ✓ |
| Gruplu: külçe | 0,17292683 | 0,17292683 | 0,17292683 | 1,3e−10 | ✓ |
| Gruplu: \hat\sigma | 7,94600747 | 7,94600748 | 7,94600748 | 1,4e−9 | ✓ |
| Gruplu: logLik | −541,75599882 | −541,75599876 | −541,75599876 | 1,2e−10 | ✓ |
| Gruplu: AIC (sd 60) | 1203,51199764 | 1203,51199751 | — | 1,0e−10 | ✓ |
| Gruplu: bağımsız hatalar logLik | −608,85076624 | −608,85076624 | — | 0 | ✓ |
| Gruplu: LR | 134,18953485 | 134,18953497 | — | 9,3e−10 | ✓ |
| Gruplu: \hat\beta (LANCER) | 24,29388867 | 24,29388867 | 24,29388867 | 1,6e−10 | ✓ |
| Gruplu: SH (LANCER) | 3,11626128 | 3,1162612 | 3,1162612 | 2,6e−8 | ✓ |
| Gruplu: p (LANCER; sd 165) | 6,836828·10−13 | 6,836820·10−13 | — | 8,0e−19 | ✓ |
| Gruplu, ML: aralık | 24,28979351 | 24,28978947 | 24,28978947 | 1,7e−7 | ✓ |
| Gruplu, ML: logLik | −631,68074842 | −631,68074829 | −631,68074829 | 2,0e−10 | ✓ |
| Gruplu, ML: SH (LANCER) | 3,10242963 | 3,10242978 | 3,10242978 | 4,8e−8 | ✓ |
| Gruplu, ML: %95 GA alt (LANCER) | 18,55387587 | 18,55387636 | 18,55387636 | 2,6e−8 | ✓ |
| Gruplu, ML: %95 GA üst (LANCER) | 30,80503313 | 30,8050342 | 30,8050342 | 3,5e−8 | ✓ |
| Üstel, Manhattan: aralık | 22,04178183 | 22,04177548 | — | 2,9e−7 | ✓ |
| Üstel, Manhattan: külçe | 0,19425828 | 0,19425836 | — | 8,5e−8 | ✓ |
| Üstel, Manhattan: logLik | −533,96673839 | −533,96673839 | — | 1,7e−15 | ✓ |
| CAR(1): \hat\phi | 0,99790398 | 0,997904 | 0,997904 | 2,1e−8 | ✓ |
| CAR(1): \hat\sigma | 38,57543496 | 38,575615 | 38,57561501 | 4,7e−6 | ✗ |
| CAR(1): logLik | −580,99256482 | −580,99256471 | −580,99256471 | 1,8e−10 | ✓ |
| CAR(1): bağımsız hatalar logLik | −652,14181787 | −652,14181787 | — | 7,0e−16 | ✓ |
| CAR(1): LR | 142,2985061 | 142,29850631 | — | 1,5e−9 | ✓ |
| CAR(1): kesişim | 242,59997721 | 242,59997644 | 242,59997644 | 3,2e−9 | ✓ |
| CAR(1): SH (kesişim) | 13,43896979 | 13,43903128 | 13,43903128 | 4,6e−6 | ✗ |
| CAR(1): Time | 0,605138 | 0,605138 | 0,605138 | 4,1e−10 | ✓ |
| CAR(1): SH (Time) | 0,07617758 | 0,07617757 | 0,07617757 | 7,1e−9 | ✓ |
| CAR(1): DietD2 | 223,73281693 | 223,73281889 | 223,73281889 | 8,7e−9 | ✓ |
| CAR(1) ↔ üstel: aralık =-1/\ln\hat\phi | 476,59887738 | 476,59883641 | 476,5988365 | 8,6e−8 | ✓ |
Ölçütü karşılayan: 75/77. Python ve R: korelasyon matrisi açık formülle kurulmuş, profil (kısıtlı ya da tam) log-olabilirlik yarı-Newton aramasıyla ve sonlu farklı Newton adımlarıyla en büyüklenmiştir; nlme yüklenmemiştir. Gruplu ve CAR(1) satırlarında rastgele kesişim varyansı sınırda (sıfır) alınmıştır.
Aralık parametresindeki fark (4\times10^{-7} göreli) yüzeyin tepe çevresindeki yassılığından gelir: küresel fonksiyonun türevi, aralık bir gözlem uzaklığını her geçtiğinde kırılır ve iki arama yöntemi tepeye biraz farklı noktalarda durur; log-olabilirlikler on basamak aynıdır. Gruplu ve CAR(1) satırlarında şablonun kestirdiği rastgele kesişim varyansı sıfır sınırındadır (gruplu REML'de 2{,}2\times10^{-6}, gruplu ML'de 2{,}1\times10^{-6}, CAR(1)'de 6{,}8\times10^{-4}); bağımsız hesapta bu varyans sıfır alınmış ve log-olabilirliğin bu yönde azaldığı üç modelde de ayrıca denetlenmiştir. Güven aralığı satırlarında bağımsız değer, bağımsız hesabın kendi kestirimi ve SH'siyle \hat\beta\pm t\cdot\operatorname{SH} olarak kurulmuştur. "Üstel, Manhattan" satırları yalnız Python'da yeniden hesaplanmıştır.
Ölçütü karşılamayan iki satır CAR(1) modelinin \hat\sigma'sı ile kesişimin SH'sidir (göreli fark 4{,}7\times10^{-6} ve 4{,}6\times10^{-6}); ikisi aynı nedene bağlıdır. \hat\phi 1'e bu kadar yakınken \hat\sigma yaklaşık (1-\phi^2)^{-1/2} ile orantılı büyür; şablon ile bağımsız hesabın \hat\phi değerleri arasındaki 2{,}1\times10^{-8}'lik fark \hat\sigma'da \phi\,\Delta\phi/(1-\phi^2)\approx5\times10^{-6} göreli farka dönüşür. İki hesabın log-olabilirlikleri arasındaki fark 1\times10^{-7}'dir (bağımsız hesabınki yüksek); yüzey bu yönde yassıdır. Aynı model üstel yapıyla çalıştırıldığında (Adım 7) şablonun \hat\sigma'sı 38,575616'dır ve bağımsız hesapla (38,575615) uyuşur.
22.7 Çıktıyı okuma
Örnek ayarın konsol metni (56 çeşit satırının ilk dördü; katsayı korelasyon matrisi çıkarılmıştır):
Generalized least squares fit by REML
Model: yield ~ variety - 1
Data: d
AIC BIC logLik
1185.863 1370.177 -533.9315
Correlation Structure: Spherical spatial correlation
Formula: ~latitude + longitude
Parameter estimate(s):
range nugget
27.4574777 0.2093144
Coefficients:
Value Std.Error t-value p-value
varietyLANCER 23.33317 3.445318 6.772428 0
varietyBRULE 25.84956 3.441792 7.510496 0
varietyREDLAND 27.98347 3.425959 8.168068 0
varietyCODY 22.48926 3.446486 6.525273 0
...
Residual standard error: 7.410598
Degrees of freedom: 224 total; 168 residual
Tablolar (tam hassasiyetli değerlerin ilk dört–altı ondalığı):
| Tablo | Satır | Değerler |
|---|---|---|
| Sabit etkiler | varietyLANCER | kestirim 23,3332; SH 3,4453; t 6,7724; p 2,03·10⁻¹⁰ |
| varietyBRULE | 25,8496; 3,4418; 7,5105; 3,31·10⁻¹² | |
| Korelasyon parametreleri (corSpher) | range | 27,457478 |
| nugget | 0,209314 | |
| artık SS (σ) | 7,410598 | |
| Model karşılaştırması (REML) | Bağımsız hatalar | sd 57; logLik −620,3709; AIC 1354,7418; BIC 1532,8077 |
| corSpher | sd 59; logLik −533,9315; AIC 1185,8631; BIC 1370,1770; LR 172,8787; p 2,88·10⁻³⁸ |
Öteki yapılar ve seçeneklerle aynı veri (hepsi REML, Öklid uzaklığı; sd 59, külçesizde 58):
| Çalıştırma | Aralık | Külçe | \hat\sigma | logLik | AIC |
|---|---|---|---|---|---|
| Küresel (örnek ayar) | 27,4575 | 0,2093 | 7,4106 | −533,9315 | 1185,863 |
| Rasyonel kuadratik (başlangıç 12,5; 0,2) | 13,4613 | 0,1936 | 8,8468 | −532,6389 | 1183,278 |
| Gauss (otomatik başlangıç) | 10,7006 | 0,2614 | 7,6647 | −533,5509 | 1185,102 |
| Doğrusal (başlangıç 28; 0,2) | 10,7962 | 0,2050 | 6,9606 | −533,2815 | 1184,563 |
| Küresel, külçesiz | 13,6885 | — | 9,9474 | −553,4562 | 1222,912 |
Küresel, gruplama faktörü Block |
27,8233 | 0,1729 | 7,9460 | −541,7560 | 1203,512 |
| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| "Model:" / "Fixed effects:" satırı | Kurulan sabit etki formülü | Grup sütununun düştüğü, koordinat sütununun (sabit etki olarak da işaretlendiyse) modelde kaldığı buradan görülür. |
| Sabit etkiler | Katsayı, SH, (grup varsa sd), t, p | Hücre ortalamalı modelde her satır bir çeşidin düzeltilmiş ortalamasıdır; p "ortalama sıfır mı" sorusunu sınar, çeşit farkını değil. |
| "Aralık başlangıcı otomatik: …" satırı | Denenen başlangıç değerleri, modelin kurulabildiği aday sayısı ve raporlanan çözümü veren başlangıç | Yalnız aralik_bas = 0 iken yazılır. Çözümün birkaç başlangıcın en iyisi olduğunu belgeler; genel en büyük olduğunu göstermez. |
| "Uyarı: sınır çözümü. …" | Kestirilen aralık, en büyük gözlem uzaklığı, iki modelin \hat\sigma'sı; varsa sonlu aralıklı yerel çözüm ve başlangıcı | Yazıldıysa \hat\sigma ile hücre ortalamalarının ya da kesişimin SH'si yorumlanmaz (aşağıdaki örnek). |
| Güven aralıkları (istenirse) | Kestirim, alt ve üst sınır | Kestirim ± t × SH; sabit etkiler tablosundaki SH ve sd ile. ML'de alttaki not SH'nin çarpanını ve çarpansız SH'nin nasıl bulunacağını verir (22.4.4). |
| Korelasyon parametreleri | range, nugget (ya da Phi), \hat\sigma |
Küresel ve doğrusalda range korelasyonun bittiği uzaklık; ötekilerde ölçek (22.4.1). nugget oran, varyans değil. |
| Varyans bileşenleri (grup varsa) | Rastgele kesişim ve artık varyansı | Kesişim varyansı sıfıra çok yakınsa gruplama, uzamsal korelasyonun açıklamadığı bir şey eklemiyor demektir. |
| Model karşılaştırması | sd, logLik, AIC, BIC, LR, p | LR bağımsız modele karşıdır. Farklı yapılar birbirleriyle AIC üzerinden karşılaştırılır (parametre sayıları aynı). |
| Yarıvariogram | 20 nokta; kesikli çizgi normalleştirilmiş artıkların kareler ortalaması (değeri başlıkta) | Aranan şey yataylık: noktalar çizginin çevresinde eğilimsiz dizilmelidir. Kısa uzaklıkta çizginin altında başlayıp yükselen noktalar kalan uzamsal bağımlılığı gösterir. |
Şekil 22.2. Şablonun çizdiği normalleştirilmiş artık yarıvariogramı (örnek ayar). Kesikli çizgi normalleştirilmiş artıkların kareler ortalamasıdır (0,750; N-p=168, N=224). Noktalar çizginin çevresindedir ve uzaklığa göre belirgin bir eğilim göstermez.

Otomatik başlangıç ve sınır uyarısı. Örnek ayar, yalnız iki başlangıç alanı varsayılana döndürülerek (aralik_bas = 0, kulce_bas = 0,1) çalıştırıldığında sabit etkiler tablosunun altına şu iki satır yazılır:
Aralık başlangıcı otomatik: 4 değer denendi (17,81; 6,444; 11,62; 25,83), 4 tanesinde model kuruldu; olabilirliği en yüksek çözüm raporlandı (başlangıç 17,81).
Uyarı: sınır çözümü. Kestirilen aralık (50048,3) gözlenen en büyük uzaklığın (49,8401) üstünde ya da artık SS (σ = 268,318) bağımsız hatalı modelinkinin (7,71137) çok üstünde: korelasyon gözlenen uzaklıklarda eşiğe ulaşmıyor, aralık ile σ ayrı ayrı belirlenemiyor. σ ve sabit terim niteliğindeki katsayıların (hücre ortalamaları, kesişim) standart hataları yorumlanamaz. Aralık ve külçe başlangıç değerlerini değiştirip yeniden çalıştırın ya da başka bir yapı seçin. Sonlu aralıklı bir yerel çözüm de bulundu: aralık 27,4575, logLik -533,9315 (raporlanan çözümün logLik değeri -533,4185); başlangıç değeri 6,444377394.
Dört başlangıcın üçü (17,81; 11,62; 25,83) sınır çözümüne, biri (6,444) yayımlanmış çözüme varmıştır; olabilirliği yüksek olan sınır çözümü raporlanır (aralık 50 048; külçe 0,00017; \hat\sigma=268{,}3; logLik −533,4185). Bu tabloda her çeşit ortalamasının SH'si 268,2 ve p\approx0{,}93'tür: varyans sınırsız büyüdüğünden ortalamaların düzeyi belirsizleşmiştir. Farklar belirsizleşmez: aynı çalıştırma sabit terimli modelle yapıldığında kesişimin SH'si 476,6 iken BRULE − LANCER farkı 2,4589 (SH 2,8679) çıkar; yayımlanmış çözümde aynı fark 2,5164 (SH 2,8600)'dır. Olabilirlik oranı da neredeyse aynıdır (173,90 ve 172,88).
Uyarıdan sonra izlenecek yol amaca bağlıdır. (i) Yalnız çeşit farkları, olabilirlik oranı testi ya da AIC raporlanacaksa sınır çözümü kullanılabilir; \hat\sigma ve tek tek ortalamaların SH'si raporlanmaz. (ii) Çeşit ortalamaları SH'leriyle birlikte gerekiyorsa uyarıda bildirilen başlangıç değeri "Aralık başlangıç değeri" alanına yazılıp yeniden çalıştırılır; rapora çözümün yerel en büyük olduğu ve sınır çözümüyle log-olabilirlik farkı (burada 0,51) eklenir. (iii) Sonlu ve tek çözümlü bir yapı seçilir: örnek veride Gauss ve rasyonel kuadratik yapıda dört başlangıç da aynı çözüme varır ve uyarı yazılmaz. Uyarıda sonlu aralıklı çözüm bildirilmemişse (örnek veride üstel yapı: not "2 tanesinde model kuruldu" der ve ikisi de sınıra gider; aralık 5{,}8\times10^{6}, \hat\sigma=3537) veri o yapıyla sonlu bir aralığı desteklememektedir.
Rapor cümlesi (örnek ayar):
Çeşit ortalamaları, artıkların parsel koordinatlarına göre küresel korelasyon yapısı ve külçe etkisi taşıdığı genelleştirilmiş en küçük kareler modeliyle (REML) kestirildi. Korelasyonlu model bağımsız hatalı modelden belirgin biçimde daha iyi uydu (olabilirlik oranı \chi^2(2) = 172{,}88, p < 0{,}001; AIC 1185,9 ve 1354,7). Kestirilen aralık 27,46, külçe oranı 0,21 ve artık standart sapması 7,41 idi; LANCER çeşidinin düzeltilmiş ortalaması 23,33 (SH 3,45) bulundu.
22.8 Sık hatalar ve tuzaklar
- Sınır çözümü uyarısını okumadan tabloyu raporlamak. Otomatik başlangıçta şablon olabilirliği en yüksek çözümü raporlar; bu çözüm sınırdaysa tablo yine yazılır, yalnız altına uyarı eklenir. Örnek veride küresel yapı bu ayarla aralık 50 048, \hat\sigma=268{,}3 ve her çeşit ortalaması için SH 268,2, p\approx0{,}93 verir (22.7). Uyarı yazıldıysa \hat\sigma ve ortalamaların SH'si raporlanmaz; 22.7'deki üç yoldan biri izlenir. Başlangıç elle denenecekse aralık için en küçük parsel aralığının birkaç katı ile en büyük uzaklığın yarısı arasında iki üç değer, külçe için de birden çok değer denenir: örnek veride (28; 0,2) ile (28; 0,1) farklı çözümlere varır (22.6, Adım 6).
- Zamanı koordinat seçip sabit etkilere eklememek. Koordinat sütunu, sabit etkiler listesinde de işaretlenmedikçe modele girmez (22.2).
bodyweight.csvverisinde sabit etki yalnızDietiken kurulan modelweight ~ Diet'tir; büyüme eğilimi modelde yoktur (\hat\phi=0{,}99773, \hat\sigma=43{,}39).Timede işaretlenince modelweight ~ Time + Dietolur: zaman eğimi 0,6051 (SH 0,0762; sd 159), \hat\sigma=38{,}58. \hat\phi eğilim modele girdikten sonra da 1'e çok yakındır (0,99790) ve rastgele kesişim varyansı sıfır sınırındadır (6{,}8\times10^{-4}). Çıktı şöyle okunur: ilk ve son ölçüm (63 zaman birimi arayla) arasındaki korelasyon \hat\phi^{63}=0{,}876'dır; bu kadar yavaş sönen bir korelasyon sıçanlar arasındaki kalıcı farkları da üstlenir ve rastgele kesişime varyans kalmaz. \hat\sigma=38{,}58 bu modelde ölçümden ölçüme oynaklık değil, aynı diyetteki sıçanlar arasındaki farkları da içeren toplam standart sapmadır (rastgele kesişimli bağımsız hatalı modelde grup içi \hat\sigma=8{,}18). - Manhattan ya da Chebyshev uzaklığını üstel dışındaki yapıyla kullanmak. Korelasyon matrisi pozitif tanımlı olmayabilir; şablon bu durumda sonuç yazmaz, 22.4.3'teki iletiyle durur. Öklid uzaklığına dönülür ya da yapı üstel seçilir; iletinin üçüncü önerisi (başka bir başlangıç değeri) bu birleşimlerde çoğu zaman sonucu değiştirmez.
- Hücre ortalamalı tabloda p değerlerini çeşit karşılaştırması sanmak. Sabit terimsiz modelde her p "bu çeşidin ortalaması sıfır mı" sorusunun cevabıdır. Çeşit farkları için sabit terimli model kurulur: referans LANCER olur ve örneğin BRULE − LANCER farkı 2,5164, SH 2,8600, p=0{,}380 çıkar. Farkın SH'si (2,86) tek ortalamanınkinden (3,45) küçüktür, çünkü yakın parsellerin ortak artığı farkta birbirini götürür; bağımsız modelde aynı farkın SH'si 7{,}711\sqrt{2/4}=5{,}45'tir.
rangedeğerini her yapıda "bağımlılığın bittiği uzaklık" diye okumak. Yalnız küresel ve doğrusal yapıda öyledir. Üstelde korelasyon 0,05'e 3\rho'da iner; rasyonel kuadratikte aralık 13,46 iken korelasyon 13,46 uzaklıkta hâlâ 0{,}806\cdot0{,}5=0{,}40'tır.nugget'ı varyans sanmak. Külçe varyansı c_0\hat\sigma^2'dir: örnekte 0{,}2093\cdot54{,}92=11{,}49.- Koordinatları farklı birimlerde vermek. Uzaklık ölçeklenmeden hesaplanır; enlem-boylam derece cinsindense ve alan genişse derece farkları eşit uzaklığa karşılık gelmez. Koordinatlar önce düzlem (projeksiyonlu) koordinata çevrilir.
- Yinelenen konumları ortalamadan çalıştırmak. Aynı koordinatta iki gözlem şablonu durdurur. Yinelemeler aynı birimin ölçümleriyse o birim gruplama faktörü yapılır; değilse konumlar ayrıştırılır ya da ortalamaları alınır.
- Doğrusal yapıyı iki koordinatla kullanmak. Doğrusal fonksiyon iki boyutlu konumlarda her aralık değeri için geçerli bir korelasyon matrisi vermez. Örnek veride otomatik başlangıcın dört adayından üçü "false convergence (8)" ile kurulamaz, dördüncüsünün vardığı noktada (aralık 10,30; külçe 0,168) matrisin en küçük özdeğeri −0,0187'dir; çalıştırma 22.4.3'teki iletiyle durur. İletinin önerdiği üç yoldan burada işe yarayanlar başka bir yapı ya da başka bir başlangıç değeridir; ölçü zaten Ökliddir. Başlangıç 50 ile "Korelasyonlu model yakınsamadı (başlangıç değerlerini değiştirmeyi deneyin): false convergence (8)" iletisi gelir; başlangıç 28 ile aralık 10,80'e yakınsar ve o noktadaki matris geçerlidir. Sonlu aralık isteniyorsa iki koordinatlı veride küresel yapı yeğlenir.
- Yarıvariogram düzeyinin 1'in altında olmasını "aşırı düzeltme" saymak. REML'de düzey (N-p)/N'dir (22.4.7) ve kesikli çizgi bu düzeye çizilir; aranan yalnız noktaların çizgi çevresinde yatay dizilmesidir.
22.9 Uzman soruları
S1. nlme'nin külçe oranı, eşik ve kısmi eşik cinsinden yazılan parametrelemeyle nasıl ilişkilidir?
Jeoistatistikte ve bazı karma model yazılımlarında model üç varyans benzeri parametreyle yazılır: külçe varyansı \tau^2, kısmi eşik \sigma_s^2 ve aralık. nlme'de \sigma^2=\tau^2+\sigma_s^2 (toplam eşik) ve c_0=\tau^2/(\tau^2+\sigma_s^2)'dir. Örnek veride \hat\sigma^2=54{,}917, \hat c_0=0{,}2093; buradan \hat\tau^2=11{,}495 ve \hat\sigma_s^2=43{,}422 bulunur. İki parametreleme aynı modeldir; aralık ve log-olabilirlik değişmez.
S2. Yayımlanmış aralık (27,46) olabilirliğin genel en büyüğü müdür?
Hayır; yerel en büyüğüdür. Profil olabilirlik 27,46'da −533,9315, 29'da −533,9893'tür; sonra iki sığ tepeden (36,16 ve 37,38) geçerek aralıkla birlikte −533,4185'e kadar yükselir (Şekil 22.1; 22.6 Adım 6). Genel üst sınır sonsuz aralıktadır ve doğrusal variogram modeline karşılık gelir. Yayımlanmış çözümle sınır arasındaki log-olabilirlik farkı 0,51'dir; veri, "27 birimde biten bağımlılık" ile "gözlenen alan boyunca doğrusal artan variogram" arasında ayrım yapamaz. Örnek ayar başlangıcı açıkça verdiği için (28; 0,2) yayımlanmış çözümü üretir. Otomatik başlangıçta şablon olabilirliği daha yüksek olan sınır çözümünü raporlar, uyarı yazar ve sonlu aralıklı çözümü uyarıda bildirir (22.7). Sonlu aralıklı çözüm hücre ortalamalarına sonlu SH verir; sınır çözümü vermez. Çeşit farkları iki çözümde birbirine yakındır (BRULE − LANCER: 2,516 ve 2,459; SH 2,860 ve 2,868).
S3. İki modeli REML olabilirliğiyle karşılaştırmak doğru mu?
Evet, çünkü iki modelin sabit etki tasarım matrisi aynıdır. REML olabilirliği, \mathbf X'e dik hata kontrastlarının olabilirliğidir; \mathbf X aynı kaldıkça kontrastlar da aynı kalır ve yalnız kovaryans yapısı değişir. Sabit etkileri farklı iki model (ör. çeşitli ve çeşitsiz) karşılaştırılacaksa ML gerekir; şablon iki modeli her zaman aynı sabit etkilerle kurduğundan REML ile karşılaştırma tutarlıdır.
S4. Olabilirlik oranı testinin serbestlik derecesi neden 2 ve bu ne kadar güvenilir?
Korelasyonlu model iki parametre ekler (aralık, külçe); anova farkı \chi^2_2 ile sınar. Bağımsızlık parametre uzayının sınırında olduğundan ve bağımsızlık altında aralık tanımsız kaldığından düzenlilik koşulları sağlanmaz; gerçek sıfır dağılımı \chi^2_2'den daha hafif kuyrukludur ve test tutucudur. Külçesiz modelde tek parametre eklenir (sd 1): örnekte LR 133,83. Külçenin kendisi de sınanabilir: külçeli ve külçesiz küresel modelin farkı 2(553{,}456-533{,}932)=39{,}05'tir; sıfır hipotezi (c_0=0) yine sınırdadır.
S5. Gruplama faktörü `Block` eklenince blok varyansı neden sıfıra iniyor?
Bloklar tarlada ardışık enlem bantlarıdır; blok farkı, uzamsal korelasyonun zaten açıkladığı büyük ölçekli toprak eğiliminin kaba bir özetidir. Blok içi küresel korelasyon bu değişkenliği aldığında blok kesişimine varyans kalmaz (\hat\sigma_b^2=2{,}2\times10^{-6}). Ayrıca bu modelde korelasyon yalnız blok içinde tanımlıdır: blok sınırının iki yanındaki komşu parseller bağımsız sayılır. Log-olabilirlik bu yüzden bloksuz modelden düşüktür (−541,76 ve −533,93; modeller iç içe olmadığından AIC ile karşılaştırılır: 1203,5 ve 1185,9). Tarlanın tamamı tek bir uzamsal süreçse gruplama faktörü boş bırakılır.
S6. Sürekli zaman AR(1) ile üstel yapı aynı modelse neden iki ayrı seçenek var?
Korelasyon fonksiyonu aynıdır: \phi^{d}=e^{-d/\rho}, \rho=-1/\ln\phi. Örnekte \hat\phi=0{,}997904 ve üstel aralık 476,60; log-olabilirlikler aynıdır (22.6 Adım 7). Fark kullanım kolaylığındadır: corCAR1 tek parametrelidir, külçe almaz, parametresi doğrudan "bir zaman birimi arayla korelasyon" diye okunur ve yalnız grup içinde, tek koordinatla tanımlıdır. Ölçüm hatası da modellenecekse (külçe) üstel yapı seçilir. İki çıktı arasında bir fark daha vardır: sınır çözümü denetimi yalnız uzamsal yapılara uygulanır. Bu örnekte üstel yapıyla çalıştırma "Uyarı: sınır çözümü. …" yazar (aralık 476,6; grup içindeki en büyük zaman farkı 63'ün 3 katından büyük), corCAR1 ile çalıştırma yazmaz. Model aynıdır; uyarının anlattığı durum, yani korelasyonun gözlenen zaman aralığında sönmediği, corCAR1 çıktısında \hat\phi'nin 1'e yakınlığından okunur.
S7. Sabit etkilerin serbestlik derecesi nasıl belirleniyor?
Gruplama faktörü yokken gls bütün katsayılara N-p verir (168); korelasyon parametrelerinin kestirilmiş olması hesaba katılmaz, yani test yaklaşık bir t testidir. Gruplama faktörlü modelde lme düzey kuralını uygular: grup içinde değişen terimlerin sd'si N-G-(p-1)'dir (örnekte 224-4-55=165). Küçük örneklemde ve güçlü korelasyonda bu sd'ler iyimser olabilir; karar sınırındaki sonuçlarda daha tutucu bir sd (ör. blok sayısına dayalı) ile duyarlılık denetlenir. Yöntem ML ise tablodaki SH ayrıca \sqrt{N/(N-p)} ile çarpılmıştır (nlme özet tanımı); güven aralıkları tablosunun altındaki not çarpanı verir (örnekte 1,1547) ve çarpansız SH, SH'nin bu sayıya bölünmesiyle bulunur (22.4.4).
S8. Yarıvariogramın düzeyi neden 0,75 ve bundan ne öğrenilir?
Normalleştirilmiş artıklar \hat\sigma'ya bölünmüştür ve \hat\sigma^2'nin paydası N-p'dir; kareler toplamları bu yüzden tam N-p eder. İlişkisiz ve ortalaması sıfıra yakın artıklarda yarıvariogramın beklenen değeri kareler ortalamasına, (N-p)/N'ye eşittir. Örnekte p/N=0{,}25 olduğundan düzey 0,75'tir; az parametreli modellerde 1'e yaklaşır. Tanı değeri taşıyan şey eğilimdir: örnekte ilk nokta 0,70, son nokta 0,81'dir; hafif bir yükseliş vardır, yirmi noktanın tümü 0,11 genişliğinde bir bantta kalır.
S9. Aralık ve külçe için güven aralığı neden verilmiyor?
Şablonun aralık tablosu yalnız sabit etkiler içindir (satır 298–310). Korelasyon parametrelerinin aralıkları, kısıtsız ölçekteki yaklaşık kovaryans matrisine dayanır; Şekil 22.1'deki gibi çok tepeli ve bir yanı yassı yüzeylerde bu yaklaşım güvenilmezdir. Belirsizliği göstermenin daha dürüst yolu profil olabilirliktir: \ell_R'nin en büyükten \tfrac12\chi^2_{1;0{,}95}=1{,}92 birim aşağısında kalan aralık değerleri. Örnek veride üst sınır değeri (−533,4185) ölçü alındığında bu küme yaklaşık 20'den başlar ve üstten sınırsızdır; veri aralığa alt sınır koyar, üst sınır koymaz.
22.10 Kaynaklar
- Cressie, N. A. C. (1993). Statistics for spatial data (Rev. ed.). Wiley. https://doi.org/10.1002/9781119115151
- Curriero, F. C. (2006). On the use of non-Euclidean distance measures in geostatistics. Mathematical Geology, 38(8), 907–926. https://doi.org/10.1007/s11004-006-9055-7
- Gilmour, A. R., Cullis, B. R., & Verbyla, A. P. (1997). Accounting for natural and extraneous variation in the analysis of field experiments. Journal of Agricultural, Biological, and Environmental Statistics, 2(3), 269–293. https://doi.org/10.2307/1400446
- Jones, R. H. (1993). Longitudinal data with serial correlation: A state-space approach. Chapman & Hall. https://doi.org/10.1007/978-1-4899-4489-4
- Mardia, K. V., & Marshall, R. J. (1984). Maximum likelihood estimation of models for residual covariance in spatial regression. Biometrika, 71(1), 135–146. https://doi.org/10.1093/biomet/71.1.135
- Patterson, H. D., & Thompson, R. (1971). Recovery of inter-block information when block sizes are unequal. Biometrika, 58(3), 545–554. https://doi.org/10.1093/biomet/58.3.545
- Pinheiro, J. C., & Bates, D. M. (2000). Mixed-effects models in S and S-PLUS. Springer. https://doi.org/10.1007/b98882
- Pinheiro, J., Bates, D., & R Core Team. (2025). nlme: Linear and nonlinear mixed effects models (R package version 3.1-168). https://doi.org/10.32614/CRAN.package.nlme
- Self, S. G., & Liang, K.-Y. (1987). Asymptotic properties of maximum likelihood estimators and likelihood ratio tests under nonstandard conditions. Journal of the American Statistical Association, 82(398), 605–610. https://doi.org/10.1080/01621459.1987.10478472
- Stram, D. O., & Lee, J. W. (1994). Variance components testing in the longitudinal mixed effects model. Biometrics, 50(4), 1171–1177. https://doi.org/10.2307/2533455
- Stroup, W. W., Baenziger, P. S., & Mulitze, D. K. (1994). Removing spatial variation from wheat yield trials: A comparison of methods. Crop Science, 34(1), 62–66. https://doi.org/10.2135/cropsci1994.0011183X003400010011x
- Warnes, J. J., & Ripley, B. D. (1987). Problems with likelihood estimation of covariance functions of spatial Gaussian processes. Biometrika, 74(3), 640–642. https://doi.org/10.1093/biomet/74.3.640
- Zimmerman, D. L., & Harville, D. A. (1991). A random field approach to the analysis of field-plot experiments and other spatial experiments. Biometrics, 47(1), 223–239. https://doi.org/10.2307/2532508