我正在处理一个非常难以处理的数据集：鱼幼虫密度。它是半连续的数据，具有90％的零和右斜分布，很少有非常大的值。例如，我想对环境特征和幼虫密度做出一些预测。我正在尝试使用两部分模型（用于半连续数据的 GLMMadaptive ）family = hurdle.lognormal()。
但是命令 summary 不适用于装有mixed_model()，family = hurdle.lognormal()的模型。因此，我不知道如何为预测变量获得标准误差，p值和置信区间。
另一个问题与残差的拟合优度有关。我怎么找呢？
此外，我试图在没有固定效果的情况下拟合空模型，以寻找模型的重要性，但是我无法修复它，因为它会显示以下消息：
.subset2（x，i，确切=精确）中的错误：下标超出范围
Nullmodel <- mixed_model(fixed = Dprochilodus ~ 1, random = ~ 1|periodo, data = OeL_final, family = hurdle.lognormal(), max_coef_value = 30)
mymodel <- mixed_model(fixed = Dprochilodus ~ ponto+Dif_his.y+temp, random = ~ 1 | periodo, data = OeL_final, family = hurdle.lognormal(), n_phis = 1, zi_fixed = ~ ponto, max_coef_value = 30)
我的模型结果是：
Call: mixed_model(fixed = logDprochilodus ~ ponto + Dif_his.y + temp,
random = ~1 | periodo, data = OeL_final, family = hurdle.lognormal(),
zi_fixed = ~ponto, n_phis = 1, max_coef_value = 30)
Model: family: hurdle log-normal link: identity
Random effects covariance matrix:
StdDev (Intercept) 0.05366623
Fixed effects: (Intercept) pontoIR pontoITA pontoJEQ pontoTB Dif_his.y temp
3.781147e-01 -1.161167e-09 3.660306e-01 -1.273341e+00 -5.834588e-01 1.374241e+00 -4.010771e-02
Zero-part coefficients: (Intercept) pontoIR pontoITA pontoJEQ pontoTB
1.4522523 21.3761790 3.3013379 1.1504374 0.2031707
Residual std. dev.:
1.240212
log-Lik: -216.3266
有人使用这种模型吗？？非常感谢您的帮助！