nlme包varIdent函数参考类别依赖数据顺序问题问询

问题原因 #

varIdent函数的参考类别并非遵循因子本身的预设水平顺序，而是以数据中首次出现的分组水平作为参考类别，将其权重固定为1，其余水平的权重则相对于该参考进行估计。而模型的均值结构（y~sex部分）使用的是因子本身的水平顺序（默认按字母排序，这里F在前、M在后），因此不受数据排序影响，系数结果保持一致。

在你的示例中：

• m0使用升序排列的数据，F是第一个出现的水平，因此作为参考，M的权重是0.53（即M组的标准差是F组的0.53倍）
• m1使用降序排列的数据，M是第一个出现的水平，因此作为参考，F的权重是1.88（即F组的标准差是M组的1.88倍）

两种模型本质等价，只是参考基准不同，因此AIC、BIC、logLik等拟合指标完全一致。

解决办法 #

要避免这种依赖数据顺序的行为，核心是固定分组变量的水平顺序，让varIdent始终以你指定的参考水平作为基准：

方法1：提前设定因子的水平顺序 #

在构建数据时显式指定因子水平，确保参考水平始终是第一个：

z0$sex <- factor(z0$sex, levels = c("F", "M"))  # 将F设为固定参考水平

之后无论数据如何排序，varIdent都会以F作为参考类别。

方法2：使用varIdent的fixed参数手动锁定参考权重 #

通过fixed参数指定参考水平的权重为1，其余水平留空待估计：

# 固定F的权重为1，估计M的权重
m_fixed <- gls(y~sex, weights=varIdent(form=~1|sex, fixed=c(F=1, M=NA)), data=z0)

这种方式无需修改因子水平，直接在方差函数中指定参考基准。

验证示例 #

修改后重新运行模型，无论数据排序如何，varIdent的参考类别都会保持一致：

set.seed(123)
library(tidyverse)
library(nlme)

n_smpl<-10
z0<-data.frame(sex=sample(c("F","M"),n_smpl,prob = c(0.6,0.4),replace = T) %>% 
                 factor(levels = c("F", "M")))  # 固定因子水平

sd_e<-1.3
e<-rnorm(nrow(z0),0,sd_e)
my_bts<-c(10,1.4)
z0$y<-(model.matrix(~sex, z0) %*% my_bts+e)%>% drop

m0<-gls(model=y~sex,weights=varIdent(form=~1|sex),data=z0[order(z0$sex),])
m1<-gls(model=y~sex,weights=varIdent(form=~1|sex),data=z0[order(z0$sex,decreasing =T),])

summary(m0)$varStruct  # 参考类别为F
summary(m1)$varStruct  # 参考类别仍为F

内容的提问来源于stack exchange，提问作者Nicolas Molano