上周我用lmer(lme4)构建了一个广义混合线性模型,效果很好:
fit<-lmer(dat$presence~log(dat$SIZE_strict)*dat$Troph_level+log(dat$HAB500EXCL_strict+1)+(1|dat$dataset), family=poisson, REML=FALSE)
然而,在更新lme4软件包之后,模型不再有效,给出错误消息:
Error in `[[<-.data.frame`(`*tmp*`, i, value = integer(0)) :
replacement has 0 rows, data has 174
In addition: Warning messages:
1: In lmer(dat$presence ~ log(dat$SIZE_strict) * dat$Troph_level + :
calling lmer with 'family' is deprecated; please use glmer() instead
2: In checkArgs("glmer", REML = FALSE) :
extra argument(s) ‘REML’ disregarded
使用glmer而不是lmer没有解决第一条错误消息。任何建议都将非常感谢!
以下是一些数据(称为dat):
Troph_level presence dataset SIZE_strict HAB500EXCL_strict
carnivorous 2 1 46155 26005
carnivorous larvae 0 1 46155 26005
phytophagous 2 1 46155 26005
phytophagous 0 3 195295 360882
carnivorous 0 3 195295 360882
carnivorous larvae 0 3 195295 360882
phytophagous 4 2 18272 21169
carnivorous larvae 0 2 18272 21169
carnivorous 1 2 18272 21169
carnivorous 1 2 24964 26745
carnivorous larvae 0 2 24964 26745
phytophagous 4 2 24964 26745
phytophagous 5 2 6220 12543
carnivorous larvae 0 2 6220 12543
carnivorous 1 2 6220 12543
phytophagous 0 3 102633 12198
carnivorous larvae 0 3 102633 12198
carnivorous 0 3 102633 12198
phytophagous 0 3 2092 291439
carnivorous larvae 1 3 2092 291439
carnivorous 0 3 2092 291439
phytophagous 3 5 80410 0
非常感谢提前! Toos van Noordwijk
答案 0 :(得分:1)
这是lme4
新版本中的一个小问题(将在即将发布的补丁版本中修复),该版本要求在data
参数指定的数据框中找到分组变量。一般情况下,如果您使用data
参数并使用dat$var
形式的变量避免使用,那么事情会更顺畅(并且您的代码将更容易阅读),例如:
fit <- glmer(presence~log(SIZE_strict)*Troph_level+log(HAB500EXCL_strict+1)+
(1|dataset), family=poisson, data=dat)