我正在使用R包“lme4”中的Poisson广义混合模型(glmer)对一种鸟类的丰度进行建模。以下是我的数据示例:
abund point_id patch_area vis_per_year year
6 EL_03Plot035 244.69412 C_5 2003
0 RC_BBSM08 101.68909 C_2 2004
0 RP_211021_HSH088 1348.89935 C_3 2011
0 RC_LRSM04 111.74057 C_4 2008
0 RP_225155_p5 1.34007 C_3 2012
0 HO_YORUP105 141.66933 C_3 1998
1 RC_SPSM07 179.16088 C_2 2006
0 BH_MB12_bmh42 16937.30694 <NA> 2002
1 RC_MOSM11 104.43196 C_4 2012
1 RC_YOSM06 141.66933 C_4 2010
0 RP_244006_HMD366 27778.83482 C_3 2012
0 RP_247155_p5 7688.64751 C_3 2012
0 EL_08Plot127 NA C_5 2008
2 HO_LITRR10 160.81729 C_4 1997
0 RC_BPSM07 38.23207 C_4 2009
0 HO_HARRIV5 10.46441 C_3 1999
1 RC_SPSM16 179.16088 C_4 2009
0 RC_YOSM01 141.66933 C_3 2002
0 RP_222799_HSH360 14.94866 C_3 2012
1 RC_WESM33 381.19813 C_2 2006
0 RP_209841_HSH017 2269.11227 C_3 2011
0 RC_LRSM03 111.74057 C_3 2001
0 RP_26718_HHO097 26.95666 C_3 2012
0 RP_236935_p14 7979.05373 C_3 2012
0 BD_miles_medium_2 NA C_2 2003
"abund"是每年在该点检测到的最大鸟类数量,"point_id"是调查点的名称,"patch_area"是点所在生境补丁的面积,vis_per_year是一个有序因子观测层面的协变量,指示一年中访问该点的次数,而"year"表示观测年份。除了少数例外,每个点每年只有一个丰富度计数(行)。
我的模型规范是:
model=glmer(abund ~ scale(year) + (1|vis_per_year) + (1|patchid/point_id), family = poisson, data)
到目前为止,为了诊断问题,我使用来自“aods3”包的gof检查了我的模型是否存在过度离散。我还检查了随机效应的QQ图,并使用“lmerTest”中的anova命令将包含固定效应(我只有一个)的模型与仅包含随机效应结构的空模型进行比较。该模型略微低于离散程度,并且无论是使用AIC还是ANOVA标准,都高于空模型。
现在,我正在尝试计算最终模型的R ^ 2。我阅读了https://ecologyforacrowdedplanet.wordpress.com/2013/02/26/r-squared-for-mixed-models/及其后续更新的博客文章以及相关手稿,并安装了MuMIn包用于计算边际和条件R ^ 2。但是,当我尝试使用r.squared.GLMM(Model)时,会出现以下错误:
Error in glmer(formula = SALS ~ scale(year) + (1 | vis_per_year) + (1 | :
fitting model with the observation-level random effect term failed. Add the term manually
此外:警告信息:
In t(mm[!is.na(ff), ]) :
error in evaluating the argument 'x' in selecting a method for function 't': Error in mm[!is.na(ff), ] : (subscript) logical subscript too long
为了确定错误来源,我已经尝试在没有point_id和visit_per year的情况下运行模型,然而即使在不包括这些协变量的情况下也会出现相同的错误。这个错误到底是什么意思 - 我应该如何手动添加观测项到模型中?我已经阅读了MuMIn的文档,但是我对以下两点感到困惑:1)这个错误具体是什么意思;2)如何修复它。非常感谢任何帮助。我认为如果没有提供整个数据集,我无法生成可重现的示例,然而知道这个错误的确切含义将有助于我找到解决方案。
更新:
根据错误信息和一些解释(感谢 stack overflow!),我手动将个体级效应包含到了模型中。现在我遇到了另一个错误:
Warning message:
In r.squaredGLMM.merMod(model) :
exp(beta0) of 0.2 is too close to zero, estimate may be unreliable
这是否意味着我的固定效应的预期Beta值太接近于零了?
1 | :
看起来不像是有效的语法,是否在模型公式中使用/
进行嵌套时出了问题。您可以尝试使用交互项指定嵌套。(相关幸运语:fortunes::fortune(339)
). 除此之外,尝试隔离错误。也许可以模拟一个具有类似结构的小型示例数据集,并查看其是否适用。 - Gregor Thomas+ (1|patcharea/point_id)
。 - IRTFM