> library(nlme) > > ## Read in data from FLW webpage: > MIT = read.table("http://www.hsph.harvard.edu/fitzmaur/ala2e/fat.dat", header=FALSE) > names(MIT) = c("ID","Age","Age.M","Time.M","PBF") > head(MIT) ID Age Age.M Time.M PBF 1 1 9.32 13.19 -3.87 7.94 2 1 10.33 13.19 -2.86 15.65 3 1 11.24 13.19 -1.95 13.51 4 1 12.19 13.19 -1.00 23.23 5 1 13.24 13.19 0.05 10.52 6 1 14.24 13.19 1.05 20.45 > ## Redefine as a groupedData object: > MIT.grp = groupedData(PBF ~ Time.M | ID, data = MIT, + labels=list(x = "Time Relative to Menarche", y = "Percent Body Fat"), units = list(x = "(years)")) > # Orders IDs from smallest maximum PBF to largest maximum PBF. > > # Attach the long form of the data set: > attach(MIT.grp) > plot(MIT.grp) # Too many subjects to be informative. > plot(MIT.grp, layout = c(15,4,3)) > plot(MIT.grp, layout = c(15,4,3)) > plot(PBF ~ Time.M, xlab="Time relative to menarche (years)",ylab="Percent body fat", main="Figure 8.5 on p. 221 of FLW", ylim=c(0,50), xlim=c(-7,5)) > unique(MIT.grp$ID) [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [16] 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 [31] 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 [46] 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 [61] 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 [91] 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 [106] 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 [121] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 [136] 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 [151] 151 152 153 154 155 156 157 158 159 160 161 162 162 Levels: 88 < 21 < 30 < 90 < 151 < 156 < 117 < 139 < ... < 112 > for(i in unique(MIT.grp$ID)){ + lines(PBF[ID==i] ~ Time.M[ID==i]) + } > plot(PBF ~ Time.M, xlab="Time relative to menarche (years)",ylab="Percent body fat", main="Figure 8.6 on p. 222 of FLW", ylim=c(0,50), xlim=c(-7,5), cex=.5) > abline(v=0, lty=3) > abline(v=0, lty=1) > # Add lowess smoothed curve: > lines(lowess(Time.M, PBF, f=0.5), lwd=2) > ?lowess starting httpd help server ... done > lines(lowess(Time.M, PBF, f=2/3), lwd=2,col="red") > > ?lowess > lines(lowess(Time.M, PBF, f=2/3), lwd=2,col="blue",iter=20) Warning message: In plot.xy(xy.coords(x, y), type = type, ...) : "iter" is not a graphical parameter > lines(lowess(Time.M, PBF, f=2/3,iter=20), lwd=2,col="blue") > head(MIT.grp) Grouped Data: PBF ~ Time.M | ID ID Age Age.M Time.M PBF 1 1 9.32 13.19 -3.87 7.94 2 1 10.33 13.19 -2.86 15.65 3 1 11.24 13.19 -1.95 13.51 4 1 12.19 13.19 -1.00 23.23 5 1 13.24 13.19 0.05 10.52 6 1 14.24 13.19 1.05 20.45 > I(Time.M>=0) [1] FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [11] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [21] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [31] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [41] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [51] TRUE TRUE TRUE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [61] FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [71] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [81] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [91] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [101] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [111] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [121] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [131] TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [141] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [151] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [161] TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE [171] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [181] TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE [191] TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [201] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [211] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE TRUE [221] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [231] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [241] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [251] TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [261] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [271] TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [281] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [291] TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE FALSE [301] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE [311] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [321] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [331] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [341] FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE [351] TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [361] TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [371] FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE [381] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE [391] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [401] TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [411] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [421] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [431] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [441] FALSE FALSE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [451] TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [461] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [471] TRUE TRUE TRUE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [481] TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE [491] FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [501] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [511] FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [521] FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [531] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [541] TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [551] TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE [561] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [571] FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE [581] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [591] TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE TRUE FALSE [601] FALSE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [611] FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [621] TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [631] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [641] TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [651] FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [661] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [671] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [681] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE TRUE [691] TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [701] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [711] FALSE TRUE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE [721] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [731] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [741] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [751] TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE TRUE [761] FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [771] TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE [781] FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [791] FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE [801] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE [811] TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [821] TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE FALSE [831] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE [841] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE [851] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [861] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [871] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [881] FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [891] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [901] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [911] FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [921] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [931] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [941] TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [951] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE TRUE [961] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE [971] TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [981] FALSE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE [991] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [1001] TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [1011] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [1021] FALSE FALSE FALSE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [1031] TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE FALSE [1041] FALSE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE > Time.M>=0 [1] FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [11] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [21] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [31] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [41] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [51] TRUE TRUE TRUE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [61] FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [71] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [81] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [91] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [101] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [111] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [121] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [131] TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [141] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [151] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [161] TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE [171] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [181] TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE [191] TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [201] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [211] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE TRUE [221] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [231] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [241] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [251] TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [261] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [271] TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [281] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [291] TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE FALSE [301] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE [311] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [321] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [331] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [341] FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE [351] TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [361] TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [371] FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE [381] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE [391] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [401] TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [411] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [421] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [431] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [441] FALSE FALSE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [451] TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [461] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [471] TRUE TRUE TRUE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [481] TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE [491] FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [501] FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE [511] FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [521] FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [531] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [541] TRUE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [551] TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE [561] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [571] FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE [581] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE [591] TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE TRUE FALSE [601] FALSE TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE [611] FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [621] TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [631] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [641] TRUE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE [651] FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [661] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [671] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [681] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE TRUE [691] TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [701] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [711] FALSE TRUE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE [721] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE [731] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE [741] FALSE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [751] TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE TRUE [761] FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [771] TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE [781] FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [791] FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE TRUE [801] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE TRUE [811] TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE [821] TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE FALSE [831] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE [841] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE [851] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE [861] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE [871] TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [881] FALSE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [891] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [901] TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [911] FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE [921] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [931] FALSE FALSE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE [941] TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE [951] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE TRUE [961] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE [971] TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE FALSE FALSE [981] FALSE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE FALSE [991] FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE [1001] TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [1011] TRUE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE FALSE [1021] FALSE FALSE FALSE TRUE TRUE FALSE FALSE TRUE TRUE TRUE [1031] TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE TRUE FALSE [1041] FALSE TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE > Time.M0 = Time.M*(Time.M>=0) > head(Time.M0) [1] 0.00 0.00 0.00 0.00 0.05 1.05 > Time.M [1] -3.87 -2.86 -1.95 -1.00 0.05 1.05 -4.44 -3.20 -2.25 -0.51 [11] 0.23 0.75 1.58 2.66 4.14 -4.57 -3.68 -2.51 -1.68 -0.59 [21] 0.23 1.41 2.32 -2.13 -1.10 -0.10 0.82 1.82 3.90 -1.14 [31] -0.20 0.80 1.80 2.71 3.80 3.97 -3.63 -2.70 -1.70 -0.70 [41] 0.30 1.30 2.30 3.13 -3.62 -2.43 -1.52 -0.52 0.40 1.31 [51] 2.40 3.48 4.05 -1.08 0.08 0.91 -4.25 -3.26 -2.27 -1.27 [61] -0.18 0.65 1.73 -2.07 -0.93 -0.01 0.90 1.98 2.90 3.99 [71] -1.81 -0.67 0.24 1.24 2.15 3.15 4.24 -1.29 0.05 0.91 [81] 1.65 2.65 3.91 -0.13 1.08 1.99 2.82 3.99 -3.82 -2.76 [91] -1.84 -0.84 0.16 2.24 3.16 4.07 -5.17 -3.95 -3.09 -2.17 [101] -1.18 -0.26 0.83 1.74 3.05 -4.55 -3.37 -2.59 -1.59 -0.59 [111] 0.32 1.41 2.32 3.58 3.97 -2.92 -1.70 -0.93 0.07 1.07 [121] 1.99 3.07 3.99 -4.67 -3.54 -2.68 -1.68 -0.77 0.32 1.41 [131] 2.32 3.32 -3.92 -2.84 -1.93 -0.93 -0.02 1.07 2.16 3.07 [141] 4.07 -2.44 -1.29 -0.28 0.66 1.57 2.57 3.58 3.97 -5.19 [151] -4.04 -3.03 -2.09 -1.18 -0.18 0.83 1.83 2.74 -1.93 -0.87 [161] 0.30 1.99 2.05 3.99 -2.47 -1.43 -0.51 1.58 3.57 -2.90 [171] -1.95 -0.95 0.05 0.96 2.05 3.05 3.96 -2.55 -1.53 -0.53 [181] 0.47 1.47 2.38 3.99 -2.41 -0.29 0.63 1.97 2.49 3.63 [191] 4.06 -2.01 -0.04 1.90 2.82 4.30 -2.64 -1.70 -0.70 0.30 [201] 1.21 2.21 3.38 -0.97 0.05 0.96 1.96 2.91 3.91 -6.31 [211] -5.36 -4.36 -3.36 -2.45 -1.45 -0.36 0.55 -0.63 0.39 1.30 [221] 2.30 3.24 4.07 -2.57 -1.70 -0.62 0.38 1.38 -3.98 -3.12 [231] -2.04 -1.04 -0.04 -1.27 -0.20 0.89 2.63 3.97 -1.68 -0.70 [241] 0.47 1.47 2.13 3.30 -3.23 -2.28 -1.28 -0.20 0.63 1.63 [251] 3.97 -3.75 -2.87 -1.78 -0.87 0.13 4.05 -2.88 -1.86 -0.86 [261] 0.14 1.06 2.23 3.14 3.97 -2.25 -1.19 -0.28 1.63 2.72 [271] 3.89 -0.90 0.14 1.06 2.49 2.97 3.97 -3.33 -2.37 -1.19 [281] -0.19 1.55 -5.16 -4.20 -3.02 -2.02 -1.28 -0.28 0.80 1.72 [291] 2.89 -1.20 0.89 1.89 2.72 3.89 -2.28 -0.28 1.64 -2.33 [301] -1.36 -0.19 0.72 1.56 2.56 3.64 -1.32 -0.20 0.89 2.15 [311] 2.72 3.63 3.80 -0.65 0.13 1.13 2.22 3.13 3.96 -2.49 [321] -1.45 -0.19 2.55 3.99 -2.92 -1.85 -0.85 0.07 1.07 2.07 [331] 3.07 -2.88 -1.69 -0.78 0.22 0.97 2.05 3.05 3.88 -3.05 [341] -2.03 -1.12 -0.12 0.80 1.80 2.88 3.97 -1.61 -0.70 0.30 [351] 1.21 2.21 3.30 4.13 -2.90 -1.93 -0.93 0.16 1.07 2.07 [361] 2.99 3.99 -1.31 -0.28 0.63 1.63 2.63 3.63 4.15 -3.74 [371] -2.70 -1.70 -0.79 0.12 1.21 2.21 3.12 3.90 -3.73 -2.69 [381] -0.70 0.13 1.13 2.22 3.13 3.91 -2.20 -0.27 0.64 1.81 [391] 2.81 4.07 -2.12 -1.10 0.81 1.90 2.81 -3.31 -2.35 -1.27 [401] 1.65 2.82 -3.38 -2.43 -1.26 2.74 3.97 -2.74 -1.62 -0.67 [411] 0.33 1.24 2.25 3.33 3.90 -4.21 -3.29 -2.29 -1.29 -0.12 [421] 0.71 1.71 2.71 -4.27 -3.26 -2.09 -1.18 0.74 1.74 2.74 [431] -2.03 -1.02 0.15 1.07 2.98 4.07 -5.00 -4.01 -3.01 -2.01 [441] -1.01 -0.01 0.99 -2.92 -1.93 -0.84 0.07 1.07 2.07 3.07 [451] 3.55 -4.41 -3.27 -2.44 -1.35 -0.35 0.65 1.56 2.56 -1.60 [461] -0.68 0.32 1.32 2.32 3.41 3.89 -4.62 -2.46 -1.68 -0.68 [471] 0.41 1.40 2.23 -3.53 3.41 3.89 -3.38 -2.37 -1.37 -0.45 [481] 0.63 1.63 2.55 3.63 -0.58 0.32 1.63 2.49 3.41 3.89 [491] -5.09 -4.18 -2.87 -2.01 -1.10 -0.10 0.81 1.90 -3.91 -2.92 [501] -1.84 -0.84 0.08 1.08 2.16 2.99 -4.62 -3.59 -2.68 -1.68 [511] -0.68 1.46 2.32 -2.04 -1.01 -0.09 0.90 1.90 4.05 -2.17 [521] -0.20 0.72 -3.15 -2.18 -1.10 -0.18 0.82 1.82 2.82 3.90 [531] -1.73 -0.76 0.33 1.24 2.33 3.33 4.24 -3.45 -1.58 -0.67 [541] 0.33 1.33 2.24 3.24 3.98 -1.76 -0.79 0.30 1.16 2.21 [551] 3.99 -2.68 -1.70 -0.61 0.30 1.30 3.30 -1.28 -0.29 0.71 [561] 1.57 2.71 4.22 -0.32 0.63 1.63 2.63 3.63 4.63 -1.49 [571] -0.54 0.46 1.46 2.46 3.55 -2.88 -1.78 -0.87 -0.04 1.05 [581] 2.13 3.05 3.96 -3.29 -2.36 -1.28 -0.45 0.64 1.64 2.64 [591] 3.72 -0.22 0.72 1.89 2.81 3.89 -0.31 0.63 1.80 -1.63 [601] -0.54 0.38 -2.72 -1.78 -0.78 0.16 1.31 -3.90 -2.95 -1.87 [611] -0.95 -0.04 1.05 1.96 2.96 -1.81 -0.86 0.22 1.14 2.13 [621] 3.14 3.99 -2.23 -1.28 -0.28 0.80 1.72 2.80 -1.73 -0.78 [631] 0.21 1.21 2.13 3.29 3.90 -2.53 -1.53 -0.62 0.47 2.47 [641] 4.08 -2.94 -1.94 -1.03 0.06 0.97 -4.38 -3.37 -2.37 -1.45 [651] -0.37 0.63 1.55 2.63 -2.89 -1.86 -0.87 0.05 1.05 2.05 [661] 3.13 3.97 -3.63 -2.61 -1.61 -0.70 0.30 1.30 2.39 3.30 [671] -3.22 -2.19 -1.19 -0.28 0.72 1.72 2.81 3.89 -6.06 -5.03 [681] -4.03 -3.12 -2.12 -1.12 -0.03 0.88 -1.03 -0.11 0.88 1.80 [691] 2.97 3.97 -0.76 0.30 1.30 2.13 4.13 -0.79 0.22 1.21 [701] 2.05 2.90 -2.37 -1.45 0.47 1.64 2.64 -3.31 -2.28 -1.37 [711] -0.54 0.63 1.72 -4.31 -3.28 -0.11 1.89 -4.92 -3.95 -2.95 [721] -2.03 -1.03 0.97 2.05 -2.00 -1.03 -0.03 0.97 1.97 2.97 [731] 3.97 -2.47 -1.53 -0.44 0.38 1.65 2.64 3.38 4.08 -1.56 [741] -0.62 0.38 1.38 2.38 3.38 3.99 -2.05 -1.11 -0.11 0.80 [751] 1.89 2.98 3.98 -1.82 -0.87 0.13 1.04 2.13 3.21 3.96 [761] -3.21 -2.28 -1.28 -0.36 0.81 1.72 3.72 -2.82 -1.86 -0.94 [771] 0.06 1.06 2.06 4.14 -1.06 -0.11 1.24 1.89 2.89 3.89 [781] -0.79 0.14 1.49 2.06 3.31 -2.20 -0.19 0.81 1.81 4.16 [791] -2.37 -1.44 -0.35 0.65 1.65 2.56 3.99 -1.84 -0.85 0.15 [801] 1.15 2.15 3.15 3.97 -3.99 -2.62 -1.85 -1.11 -0.02 0.98 [811] 1.98 -3.11 -2.10 -1.10 -0.10 0.91 1.82 2.82 -1.02 -0.10 [821] 0.99 1.99 2.99 -1.42 -0.42 0.58 1.66 3.67 4.41 -2.65 [831] 1.72 3.41 4.06 -3.56 -2.60 -1.52 -0.52 0.48 -3.80 -2.84 [841] -1.84 -0.84 0.25 1.07 2.07 -3.95 -2.93 -1.93 -0.93 0.07 [851] 1.07 1.99 -3.12 -2.10 -1.19 -0.10 0.81 2.90 -4.13 -3.20 [861] -2.20 -1.11 -0.20 1.89 -3.64 -2.68 -1.59 -0.68 0.41 1.32 [871] 2.32 -2.89 -1.93 -0.93 0.07 0.99 2.07 3.16 -2.86 -1.84 [881] -0.93 3.16 -4.01 -3.01 -2.01 -1.01 0.08 0.91 1.99 -5.04 [891] -4.03 -3.12 -2.12 -1.12 -0.03 -2.60 -1.62 -0.62 0.38 1.32 [901] 2.38 3.38 -3.91 -2.95 -1.95 -0.86 0.22 1.14 1.99 -3.29 [911] -2.28 -1.37 -0.37 0.63 1.63 2.63 -2.81 -1.86 -0.95 0.14 [921] 1.22 2.14 3.30 -2.90 -1.95 -1.03 0.05 1.13 2.05 3.22 [931] -1.36 -0.37 0.55 1.55 2.63 3.55 3.89 -0.47 0.47 1.38 [941] 3.55 3.98 -1.13 -0.19 0.72 1.81 2.81 3.81 -5.34 -4.36 [951] -3.44 -2.44 -1.36 -0.36 0.64 -2.68 -1.70 -0.78 0.30 1.30 [961] 2.30 3.30 -1.92 -0.96 0.30 0.96 4.04 -1.28 -0.28 1.73 [971] 2.72 3.98 -0.28 0.72 1.72 2.72 3.72 -4.73 -3.70 -2.87 [981] -1.78 0.13 1.30 -3.61 -2.70 -1.70 -0.61 0.22 2.30 -2.53 [991] -1.61 -0.61 1.47 2.39 3.47 -1.88 -0.95 -0.03 1.05 2.05 [1001] 4.05 -2.26 -1.28 -0.37 0.72 2.63 3.80 -2.86 -1.95 -0.86 [1011] 0.14 1.14 3.22 -2.57 -1.61 -0.70 0.39 1.39 3.30 -3.32 [1021] -2.36 -1.45 -0.28 0.64 2.55 -1.49 -0.53 0.38 1.30 2.47 [1031] 3.99 -0.99 -0.03 0.89 1.98 3.06 -0.97 -0.12 1.40 -1.72 [1041] -0.69 1.31 2.39 4.05 -1.63 -0.61 1.31 2.30 4.13 > mod1 = lme(PBF ~ Time.M + Time.M0, random = ~ Time.M + Time.M0 | ID) > summary(mod1) Linear mixed-effects model fit by REML Data: NULL AIC BIC logLik 6082.401 6131.929 -3031.201 Random effects: Formula: ~Time.M + Time.M0 | ID Structure: General positive-definite, Log-Cholesky parametrization StdDev Corr (Intercept) 6.777995 (Intr) Time.M Time.M 1.277142 0.292 Time.M0 1.658222 -0.544 -0.827 Residual 3.077859 Fixed effects: PBF ~ Time.M + Time.M0 Value Std.Error DF t-value p-value (Intercept) 21.361383 0.5645551 885 37.83755 0.0000 Time.M 0.417113 0.1571572 885 2.65411 0.0081 Time.M0 2.047139 0.2279685 885 8.97992 0.0000 Correlation: (Intr) Time.M Time.M 0.351 Time.M0 -0.515 -0.872 Standardized Within-Group Residuals: Min Q1 Med Q3 Max -2.77421523 -0.59003208 -0.03592615 0.59464973 3.37978348 Number of Observations: 1049 Number of Groups: 162 > mod1.ML = lme(PBF ~ Time.M + Time.M0, random = ~ Time.M + Time.M0 | ID, method="ML") > summary(mod1.ML) Linear mixed-effects model fit by maximum likelihood Data: NULL AIC BIC logLik 6078.313 6127.869 -3029.156 Random effects: Formula: ~Time.M + Time.M0 | ID Structure: General positive-definite, Log-Cholesky parametrization StdDev Corr (Intercept) 6.754070 (Intr) Time.M Time.M 1.265615 0.291 Time.M0 1.639686 -0.545 -0.826 Residual 3.078449 Fixed effects: PBF ~ Time.M + Time.M0 Value Std.Error DF t-value p-value (Intercept) 21.361422 0.5635678 885 37.90391 0.0000 Time.M 0.417135 0.1566309 885 2.66317 0.0079 Time.M0 2.046833 0.2272582 885 9.00664 0.0000 Correlation: (Intr) Time.M Time.M 0.351 Time.M0 -0.515 -0.871 Standardized Within-Group Residuals: Min Q1 Med Q3 Max -2.78172234 -0.59400158 -0.03682093 0.59331395 3.38209062 Number of Observations: 1049 Number of Groups: 162 > pairs(mod1) > VarCorr(mod1) ID = pdLogChol(Time.M + Time.M0) Variance StdDev Corr (Intercept) 45.941211 6.777995 (Intr) Time.M Time.M 1.631092 1.277142 0.292 Time.M0 2.749699 1.658222 -0.544 -0.827 Residual 9.473213 3.077859 > attributes(summary(mod1.ML)) $names [1] "modelStruct" "dims" "contrasts" "coefficients" [5] "varFix" "sigma" "apVar" "logLik" [9] "numIter" "groups" "call" "terms" [13] "method" "fitted" "residuals" "fixDF" [17] "na.action" "corFixed" "tTable" "BIC" [21] "AIC" $class [1] "summary.lme" "lme" $oClass [1] "lme" $verbose [1] FALSE > VarCorr(mod1)[1,1] [1] "45.941211" > as.matrix(VarCorr(mod1))[1,1] [1] "45.941211" > rand.out = matrix( + c(6.777995, 0.292, -0.544, + 0.292, 1.277142, -0.827, + -0.544, -0.827, 1.658222), + nrow=3,ncol=3,byrow=TRUE) > rand.out [,1] [,2] [,3] [1,] 6.777995 0.292000 -0.544000 [2,] 0.292000 1.277142 -0.827000 [3,] -0.544000 -0.827000 1.658222 >