我正在尝试评估使用glmmTMB函数构建的10个广义线性混合模型的拟合优度。
在模型中，响应变量是二元的（描述了所研究的植被类型中个体的位置是否出现= 1或不= 0），解释变量是季节，地点和位置类型（无论个人是否在一起）和对应于这对个人身份的随机效应。完整的模型编写如下：
Mod <- glmmTMB (Veg1 ~ Type + Site * Season + (1 | Pairs), family = binomial, data = df)
然后，我认为最简约的模型是ΔAICc<2且解释变量的数量最少的模型。现在，我想估计每个模型的拟合优度。由于响应变量是二进制的，因此我以这种方式计算了每个模型的错误率：
p <- predict (mod, type = "response")
pbin <- ifelse (p> 0.5,1,0)
error_rate <- length (which (pbin! = resp)) / length (pbin) * 100
问题是我在10个模型中得到了相同的错误率（所有模型为15.6％），而AICc的差异非常大（具有较大AIC的模型与具有AICc = 0的模型之间的> 30000） 。有人可以帮助我了解问题所在吗？