c - (c - a) * exp(-b * I)
という 3 パラメーターモデルをあてはめたもの.
nls()
使った.
nlme() in library(nlme)
でためしに推定してみる.
fit.mixed <- nlme( prate ~ f.prate(f, q, pmax, respiration, PPFD), data = data.photosynthetic.rate, fixed = f + q + pmax + respiration ~ 1, random = q + pmax + respiration ~ 1 | id, start = c(f = 0.06, q = 0.7, pmax = 13, respiration = 2) )
nlme()
はなんでもかんでも正規分布かつその平均値は
(とうぜんパラメーターに関する) 非線形な関数でよい,
つまり非線形混合モデルを計算してくれるわけだ.
なんでもかんでも正規分布のご利益で複雑な
random effects を指定できる.
このあたり GLMM とは異なるところだ
……
とはいえ,
random effects をになう項を複雑にするとかなり計算に時間かかるけど.
random = q + pmax + respiration ~ 1 | id,
なる random effects 構成は AIC (ABIC?)
的に最良の random effects だったわけだが
……
うーむ,
この観測データ & このモデルの組み合わせのもとでは,
混合モデル化することによってあてはまりは格段に改善されるものの,
パラメーターの最尤推定値そのものはほとんど変化しないなあ
……
Nonlinear mixed-effects model fit by maximum likelihood Model: prate ~ f.prate(f, q, pmax, respiration, PPFD) Data: dd Log-likelihood: -22.214 Fixed: f + q + pmax + respiration ~ 1 f q pmax respiration 0.064786 0.614758 17.456469 2.188832 Random effects: Formula: list(q ~ 1, pmax ~ 1, respiration ~ 1) Level: id Structure: General positive-definite, Log-Cholesky parametrization StdDev Corr q 0.20057 q pmax pmax 3.77612 -0.997 respiration 0.54150 -0.296 0.219 Residual 0.23171 Number of Observations: 70 Number of Groups: 5
Thornley, JHM. 2002. Instantaneous canopy photosynthesis: analytical expressions for sun and shade leaves based on exponential light decay down the canopy and an acclimated non-rectangular hyperbola for leaf photosynthesis. Annals of Botany 89: 451-458. (url)とりあえず当方の数式でまちがいなし, か. 上記論文, びみょーな諧謔とやや偏執ぎみな雰囲気に気圧されてしまったので, これって魔除けにでもなるかも, と 文献ファイル にまつっておくことにする.