Question

我试图拟合一个混合效应模型来评估对发芽的杆粒的影响。我从具有如下模型结构的二项式分布开始：

glmer(cbind(NGG,NGNG) ~ RH3*Altitude + AbH + Date3 + (1 | Receptor/Code/Plant) + 
                         (1 | Mountain/Community), data=database, family="binomial", 
                            control = glmerControl(optimizer="bobyqa"))

其中NGG是成功次数（每个柱头的发芽谷粒，范围从0到例如55），NGNG是失败次数（非发芽谷粒0到例如80）。问题是，在看到结果之后，数据似乎过于分散，如该函数所示（位于http://rstudio-pubs-static.s3.amazonaws.com/263877_d811720e434d47fb8430b8f0bb7f7da4.html中）：

overdisp_fun <- function(model) {
  vpars <- function(m) {
    nrow(m)*(nrow(m)+1)/2
  } 
  model.df <- sum(sapply(VarCorr(model), vpars)) + length(fixef(model))
  rdf <- nrow(model.frame(model))-model.df
  rp <- residuals(model, type = "pearson") # computes pearson residuals
  Pearson.chisq <- sum(rp^2)
  prat <- Pearson.chisq/rdf
  pval <- pchisq(Pearson.chisq, df = rdf, lower.tail = FALSE)
  c(chisq = Pearson.chisq, ratio = prat, rdf = rdf, p = pval)
}

输出为： chisq = 1.334567e + 04，比率= 1.656201e + 00，rdf = 8.058000e + 03，p = 3.845911e-268

因此，我决定尝试按以下方式在glmmTMB中使用beta二项式（保持这种层次结构很重要）：

glmmTMB(cbind(NGG,NGNG) ~ RH3*Altitude + AbH + Date3  +  (1 | Receptor/Code/Plant) + 
                          (1 | Mountain/Community), data=database, 
                          family=betabinomial(link = "logit"), na.action = na.omit, weights=NGT)

当我运行它时..说： nlminb中的错误（开始= par，目标= fn，梯度= gr，控制= control $ optCtrl）：（从警告转换）NA / NaN函数评估

模型编写中是否存在错误？我已经在（http://rstudio-pubs-static.s3.amazonaws.com/263877_d811720e434d47fb8430b8f0bb7f7da4.html）中检查了可能的问题，但尚未找到任何解决方案。

谢谢

使用glmmTBM

0 个答案: