我想用多个解释变量在R中构造一个非线性混合模型。我想在等式后使用一条曲线：

y〜a + br ^ x + cx

我将a，b和c取决于我的解释变量。 r固定为0.99（出于某些原因，我将不再赘述）。

我想用function()和deriv()为模型创建函数，然后对单个连续的解释变量（x）用nlmer进行拟合，如下所示：

custom_equation<- function(x,a,b,c) {a+(b*0.99^x)+(c*x)}

deriv_curve<-deriv(body(custom_equation)[[2]],namevec=c('a','b','c','x'),function.arg=custom_equation)

fit.model<-nlmer(response ~ deriv_curve(x=x,c) ~ a|plot,start=list(nlpars=c(a=1,b=1,c=2,x=1)),data=df)

我还得出结论，如果我有第二个解释性变量（z）作为因子，则可以将其编码为二进制虚拟变量，并将其对影响的影响包括为参数a：

custom_equation<- function(x,za,z,c) {a+(za*z)+(b*0.99^x)+(c*x)}

deriv_curve<-deriv(body(custom_equation)[[2]],'x','z','za'),z=z,x=1,za=0,z=0)),data=df)

其中z是二进制因子，编码为1s和0s，因此在该因子的参考水平上za * z = 0。

现在让我们说我有两个连续的解释变量j和k，以及一个具有三个等级l的因子。我希望所有三个解释性变量都能够影响a，b和c，并且我希望它们能够彼此交互。

如何将其编码为nlmer可以使用的函数？

此外，如果我想让我的随机结构同时影响b和c以及a，是否要在a|plot + b|plot + c|plot中包括它？

（目前，在我更熟悉的情况下，它是在lme4中进行的操作，但是也许nlme更好？）