如何在nlsList中实现algorithm='port'调用与参数k下限控制？

问题背景 #

使用nlsList拟合分组非线性模型时，需要限制参数k不低于0.1，参照nls()的用法添加了algorithm="port"和lower=c(k = 0.1, Max =-Inf, Lag = -Inf)参数，却报错提示这两个参数未被nlsList支持。

解决方案 #

方法1：手动分组调用nls（带约束） #

nlsList本质是对每个分组数据调用nls()，但它没有暴露algorithm和参数约束相关参数。可以手动循环分组数据，直接调用带约束的nls()，再将结果转换为nlsList对象：

library(nlme)
library(tidyr)

# 数据准备
dat <- read.table(text="time gluc starch solka
1 6.32 7.51 1.95
2 20.11 25.49 6.43
3 36.03 47.53 10.39
6 107.52 166.31 27.01
12 259.28 305.19 113.72
24 283.40 342.56 251.14
48 297.55 353.66 314.22", header = TRUE)
long <- pivot_longer(dat, -1, values_to = "y")
long$name <- factor(long$name)
st0 <- list(Max = 200, k = 0.1, Lag = 0.5)

# 对每个分组单独拟合带约束的nls模型
fit_list <- lapply(split(long, long$name), function(df) {
  nls(y ~ (time > Lag) * Max * (1-exp(-k * (time - Lag))),
      data = df,
      algorithm = "port",
      lower = c(k = 0.1, Max = -Inf, Lag = -Inf),
      start = st0)
})

# 将结果转换为nlsList对象（保持和原用法一致的输出结构）
fit_nlslist <- as.nlsList(fit_list)

方法2：改用nlme函数（支持参数约束的混合效应框架） #

如果可以接受混合效应模型的框架，nlme包的nlme()函数支持设置参数约束，同时也能实现分组拟合：

# 使用nlme拟合带参数约束的模型
fit_nlme <- nlme(y ~ (time > Lag) * Max * (1-exp(-k * (time - Lag))),
                 data = long,
                 fixed = Max + k + Lag ~ 1,  # 固定效应设定
                 random = Max + k + Lag ~ 1 | name,  # 分组随机效应
                 start = c(Max = 200, k = 0.1, Lag = 0.5),
                 lower = c(k = 0.1),  # 仅限制k的下限
                 algorithm = "port")

# 提取各分组的拟合系数
coef(fit_nlme)

原因说明 #

nlsList的函数参数中并未包含algorithm和lower，它内部默认调用无约束的nls()算法，因此无法直接设置参数约束。上述两种方法分别通过手动实现分组拟合，或切换到支持约束的混合效应模型框架，解决参数限制的需求。

内容的提问来源于stack exchange，提问作者hnguyen