我使用以下代码为计数数据建模:
ModActi<-glmmTMB(Median ~ H_veg + D_veg + Landscape + JulianDay +
H_veg:D_veg + (1 | Site),
data=MyDataActi, family=nbinom2)
然后我使用ggeffects包的ggpredict函数绘制我的模型的预测值,用于分类变量“Landscape”:
pr1 <- ggpredict(ModActi, "Landscape")
plot(pr1)
我获得此Graph。
正如您所看到的,较低的置信区间是负的,就好像该函数会为正态分布计算它们一样。
在ggpredict的帮助菜单中,我不清楚是否有办法计算负二项分布的置信区间(如模型中所述)?
编辑:如果我在泊松中使用glmer,则置信区间是正确的。
答案 0 :(得分:0)
我的主管通过重新计算预测表中的标准错误找到了一个很好的解决方案:
pr1 <- ggpredict(ModActi, "Landscape")
Ynontransform=log(pr1$predicted)
SEnontransform=log(pr1$conf.high)-Ynontransform
ConfLow=exp(Ynontransform-SEnontransform)
pr1$conf.low=ConfLow
plot(pr1)
答案 1 :(得分:0)
这是因为 glmmTMB 仅在响应等级上返回预测,并且这些预测未被反向转换。现在 glmmTMB 在CRAN上更新了,我还修改了 ggeffects 。您可以在https://github.com/strengejacke/ggeffects处尝试当前的开发版本,现在可以正确计算CI(将glmmTMB更新为版本0.2.1之后)。