Question

我已经使用glmmTMB运行了一系列广义线性混合模型，以便评估不同场所动物的行为差异。饱和模型涉及全部主要效果，一个随机效果（随机截距），一个嵌套效果和两个连续预测变量（请参见下面的代码）。我想评估模型中主要作用的重要性（三个主要作用代表两个主要作用及其交互作用：行为，设施，行为：设施），并在基础包中使用anova（）来相互比较模型但请继续获取似乎没有意义的卡方值和自由度。当它们自己运行时，没有一个模型会给出错误，但是使用anova（）进行比较是没有意义的。我不明白为什么或应该怎么做才能解决这个问题。

鉴于模型是使用R中的glmmTMB包运行的，因此我无法使用car包中的Anova（）函数，因为不支持glmmTMB模型对象，并且这样做会生成错误消息。我也尝试过使用glmmADMB软件包，但发现它的运行速度要慢得多（某些模型实际上要花费数小时才能运行），并且模型比较也没有意义。

我的代码：

rm()
detach()
library(glmmTMB)
dataset<-read.csv("Dur18Bletters.csv", header=T)
attach(dataset)
names(dataset)

mod1<-glmmTMB(Count~Facility+Beh+Facility:Beh+(1|Sex)+(1|ID/Day)+Age+Attendance,family=nbinom2)
mod2<-glmmTMB(Count~Facility+Beh+(1|Sex)+(1|ID/Day)+Age+Attendance,family=nbinom2)
mod3<-glmmTMB(Count~Facility+Facility:Beh+(1|Sex)+(1|ID/Day)+Age+Attendance,family=nbinom2)
mod4<-glmmTMB(Count~Beh+Facility:Beh+(1|Sex)+(1|ID/Day)+Age+Attendance,family=nbinom2)

anova(mod1,mod2,test="LRT")
anova(mod1,mod3,test="LRT")
anova(mod1,mod4,test="LRT")

三个偏差测试的输出：

Data: NULL
Models:
mod2: Count ~ Facility + Beh + (1 | Sex) + (1 | ID/Day) + Age + People, zi=~0, disp=~1
mod1: Count ~ Facility + Beh + Facility:Beh + (1 | Sex) + (1 | ID/Day) + , zi=~0, disp=~1
mod1:     Age + People, zi=~0, disp=~1
     Df   AIC   BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
mod2 26 19672 19823 -9810.0    19620                             
mod1 60 19447 19795 -9663.6    19327 292.69     34  < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> anova(mod1,mod3,test="LRT")
Data: NULL
Models:
mod1: Count ~ Facility + Beh + Facility:Beh + (1 | Sex) + (1 | ID/Day) + , zi=~0, disp=~1
mod1:     Age + People, zi=~0, disp=~1
mod3: Count ~ Facility + Facility:Beh + (1 | Sex) + (1 | ID/Day) + , zi=~0, disp=~1
mod3:     Age + People, zi=~0, disp=~1
     Df   AIC   BIC  logLik deviance Chisq Chi Df Pr(>Chisq)
mod1 60 19447 19795 -9663.6    19327                        
mod3 60 19447 19795 -9663.6    19327     0      0          1
> anova(mod1,mod4,test="LRT")
Data: NULL
Models:
mod1: Count ~ Facility + Beh + Facility:Beh + (1 | Sex) + (1 | ID/Day) + , zi=~0, disp=~1
mod1:     Age + People, zi=~0, disp=~1
mod4: Count ~ Beh + Facility:Beh + (1 | Sex) + (1 | ID/Day) + Age + , zi=~0, disp=~1
mod4:     People, zi=~0, disp=~1
     Df   AIC   BIC  logLik deviance Chisq Chi Df Pr(>Chisq)    
mod1 60 19447 19795 -9663.6    19327                            
mod4 60 19447 19795 -9663.6    19327     0      0  < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

当我检查第一个模型比较（即anova（mod1，mod2））时，输出看起来是合理且可信的。因此，我得出的结论是，两个模型之间的显着差异证明，在mod2中删除的主要影响对该模型做出了重大贡献。卡方值为0不可能生成<0.0001的p值。

我们将不胜感激！我并不是特别致力于这种估计主要效果的方法（这是我在浏览论坛时可以找到的唯一方法），因此，如果有人有我可以尝试的替代软件包/方法，那就太好了！我完全不知所措。

如何为glmmTMB广义线性混合模型生成主效应

0 个答案: