r - 将 nls 拟合到分组数据 R

Question

我正在尝试将非线性模型拟合到整个季节在多个地 block 上收集的一系列测量值。以下是较大数据集的子样本。数据:

dput(nee.example) structure(list(julian = c(159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 159L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L, 169L), blk = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("e", "w"), class = "factor"), type = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("b", "g"), class = "factor"), plot = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L), trt = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "a", class = "factor"), cloth = c(25L, 50L, 75L, 100L, 0L, 25L, 50L, 75L, 100L, 0L, 25L, 50L, 75L, 100L, 0L, 25L, 50L, 100L, 0L, 25L, 50L, 75L, 100L, 0L, 25L, 50L, 75L, 75L, 100L), plotID = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 15L, 15L ), flux = c(0.76, 0.6, 0.67, 0.7, 1.72, 1.63, -7.8, 0.89, 0.51, 0.76, 0.48, 0.62, 0.18, 0.21, 3.87, 2.44, 1.26, -1.39, 2.18, 1.9, 0.81, -0.04, -0.83, 1.99, 1.55, 0.57, -0.02, -0.16, -2.12), ChT = c(18.6, 19.1, 19.6, 19.1, 16.5, 17.3, 18.3, 19, 18.6, 17.2, 18.4, 19, 19.2, 20.6, 22, 21.9, 22.4, 23.8, 20.7, 21.5, 22.5, 23.3, 23.8, 20.1, 20.8, 21.2, 21.8, 21.8, 21.4), par = c(129.9, 210.2, 305.4, 796.6, 1.3, 62.7, 149.9, 171.2, 453.3, 1.3, 129.7, 409.3, 610, 1148.6, 1.3, 115.2, 237, 814.6, 1.3, 105.4, 293.4, 472.1, 955.9, 1.3, 100.5, 290, 467, 413.6, 934.2)), .Names = c("julian", "blk", "type", "plot", "trt", "cloth", "plotID", "flux", "ChT", "par"), class = "data.frame", row.names = c(NA, -29L))

我需要将以下模型(rec.hyp，如下)适合每个日期的每个图，并检索每个 julian-plotID 组合的参数估计值。经过一番研究后，由于分组方面的原因，听起来 nlsList 是一个理想的函数:

library(nlme)
rec.hyp <- nlsList(flux ~ Re - ((Amax*par)/(k+par)) | julian/plotID,
             data=nee.example,
             start=c(Re=3, k=300, Amax=5),
             na.action=na.omit)
coef(rec.hyp)

但是我不断收到相同的错误消息:

Error in nls(formula = formula, data = data, start = start, control = control) : 
step factor 0.000488281 reduced below 'minFactor' of 0.000976562

我尝试调整 nls.control 中的控件以增加 maxIter 和 tol，但显示了相同的错误消息。我已经更改了初始起始值，但没有效果。

应该注意的是，我需要使用最小二乘法来拟合模型，以便与之前的工作保持一致。

问题:

1. nlsList 中允许我的分组结构吗？换句话说，我可以将plotID嵌套在julian中吗？这可能是我错误的根源。

2. 我已经了解到不适当的起始参数估计会导致错误消息，但在更改它们后我收到了相同的消息。

我觉得我在这里错过了一些简单的东西，但我的大脑已经崩溃了。

提前致谢。

Answer 1

问题1的答案:您的分组结构是正确的。您可以通过对数据子集运行 nls 来验证它:

rec.hyp.test <- nls(flux ~ Re - ((Amax*par)/(k+par)),
                   data=subset(nee.example,julian==159 & plotID==3),
                   start=c(Re=3, k=300, Amax=5),
                   na.action=na.omit)
coef(rec.hyp.test)
#        Re           k        Amax 
# 0.7208943 792.4412287   0.8972519 

coef(rec.hyp)[3,]
#              Re        k      Amax
# 159/3 0.7208943 792.4412 0.8972519

问题 2 的回答:某些数据集无法通过给定模型正确拟合。根据 flux ~ Re - ((Amax*par)/(k+par)) 公式，人们可能会预期 flux 随着 par 单调递减>(或增加，如果 Amax < 0)。出于好奇，我绘制了导致 nls 失败的数据集之一:

plot(flux~par,subset(nee.example,julian==159 & plotID==1)) 

发现它并不单调，甚至可以说没有任何趋势!我猜想，即使您强制 nls 为这种情况获得某种解决方案，它也很可能是一个虚假的解决方案，因此您可能只想不安装它(即不适用)。

我还建议对输入数据和拟合模型质量进行目视检查。使用 R 以及像 reshape2 和 ggplot2 这样的包，您可以轻松地绘制数百个图，甚至快速浏览一下它们也会帮助您别惹麻烦。