Question

我使用在R包“lme4”中使用glmer的Poisson广义混合模型来模拟一种鸟类的丰度。我的数据的一个例子：

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

“丰数”是每年在该点检测到的最大鸟数的计数数据，“point_id”是测量点的名称，“patch_area”是该点所在的栖息地补丁的区域，vis_per_year是一个有序因子观察水平协变量，表示一年中一个点的访问次数，“年”表示观察年份。除了少数例外情况，每年每个点只有一个丰度计数（行）。

我的型号规格是：

model=glmer(abund ~ scale(year) + (1|vis_per_year) + (1|patchid/point_id), family = poisson, data)

到目前为止，对于诊断我已经使用包“aods3”中的gof检查了我的模型过度离散，检查了随机效果的QQ图，并将包含我的固定效果的模型（我只有一个）与空模型进行了比较仅使用来自“lmerTest”的anova命令的随机效果结构。该模型略微不足，并且使用AIC或anova标准排名高于空模型。

我现在正在尝试为最终模型计算R ^ 2。我阅读了https://ecologyforacrowdedplanet.wordpress.com/2013/02/26/r-squared-for-mixed-models/上的博客条目和随后的帖子更新以及相关的手稿，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，抛出以下错误：

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

另外：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

为了隔离我尝试在没有point_id和visit_per年的情况下运行模型的错误源，但是如果没有包含这些协变量，则会抛出相同的错误。这个错误究竟意味着什么 - 如何手动将观察项添加到模型中？我已经阅读了MuMIn的文档，但我不知道1）确切的错误意味着什么，以及2）如何解决它。任何帮助深表感谢。我不认为我可以在不提供整个数据集的情况下生成可重现的示例，但是了解此错误的确切含义将有助于我的工作。

更新

根据错误消息的建议和一些解释（谢谢堆栈溢出！）我手动将我的个人级效果包含在模型中。现在我得到了一个不同的错误：

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果的预期Beta太接近于零？

Answer 1

错误意味着在将单个级别的随机效果添加到原始模型后（请参阅Nakagawa & Schielzeth 2013论文），glmer发出错误（已转换为警告消息）。您应该手动将此术语添加到模型中。它的格式为(1 | IND)，其中IND是一个因子变量，每次观察一级（例如factor(1:nrow(data))）。

然而，可能会发生这样的情况：包含该模型后，该模型不会收敛（似乎就是这种情况）。

使用MuMIn r.squaredGLMM计算Poisson GLMM的R平方

1 个答案: