Question

我想分析2种处理对植物种类丰度随时间梯度变化的影响。

实验设计包括外围（治疗=无驼鹿），与对照样地（治疗=驼鹿）配对。一个站点由1个外壳+ 1个控制图组成。共有15个站点（因此15个外部空间+15个配对地块= 30个实验单元）。每个实验单元都是独一无二的，并且＃34; id。冷杉的丰度（比例：0和1之间的连续值）已被监测5年（每年一次=重复测量）。因此，重复的措施嵌套在＆＃34; id＆＃34;。

中

我想分析处理对杉木丰度的影响，同时控制数据的配对结构和重复测量。

由于响应数据是一个比例（0到1之间的丰度），我被指向GLMM with family = binomial。

但是，我不完全确定如何编码我的模型。我试过了：

fit = glmer(fir ~ treatment*time + (time|id) + (1|site), data=dat1, family=binomial)

如果我做对了，＆＃34;（1 |网站）＆＃34;将控制配对结构，＆＃34;（时间| id）＆＃34;将控制重复的结构（因为＆＃34;时间＆＃34;嵌套在＆＃34; id＆＃34;）。

但我收到以下错误：

Warning messages:
1: In eval(family$initialize, rho) :
non-integer #successes in a binomial glm!
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
unable to evaluate scaled gradient
3: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Hessian is numerically singular: parameters are not uniquely determined

知道我的模型出了什么问题以及这些错误信息的含义是什么？

Thx

Answer 1

我已经学会了一种方法，包括配对结构和重复测量。

但首先，我了解到你不能直接使用比例，因为你松散了关于＆＃34;坚固性的信息。那个比例。例如，如果您在2个地块中有1个拥有杉木，那么您将获得50％的丰度，但50％的可用性更低且可信赖且＃34;然后在120块地块中有60块地块（也有50％的丰度）。此外，无法在glmer中插入Correlation参数。在我们的实验中，4200是抽样的努力：

dat1$fir2 = round(dat1$fir*4200);
dat1$N = 4200

要包括配对结构和重复测量，您可以使用来自库（MASS）的惩罚拟似然（或 glmmPQL ）的广义线性混合模型。重复测量包括通过corCAR1（）的相关参数。

上述情况的模型是：

fit2 = glmmPQL(cbind(fir2, N-fir2) ~ treatment*time,
     random=~1|site/treatment, data=dat1, family=binomial,
     correlation=corCAR1(form = ~time|site/treatment))

干杯！

尝试使用配对数据和重复测量来运行glmer的错误（lme4）

1 个答案: