创建具有二项式响应和类别/连续变量混合的GLMM

Question

我正在分析几个两栖动物目击事件（6000多个记录），以了解哪些环境变量会影响两栖动物的有无。 每个两栖动物物种的响应变量是一个逻辑矢量（对，错），环境因素包括连续的数值（道路距离，池塘距离）和分类变量（月，年，面积）。 我创建了一个按比例缩小数值变量的通用线性混合模型（GLMM，程序包lme4），然后选择Area（出现瞄准点）作为随机效果。

-缩放比例/ 100是否可以接受？道路距离和池塘距离以米为单位。并且通常包含大量数字（3000m等）。缩放也删除了该模型最初给我的重新缩放错误消息。

-随机效果会按预期（1 | Area）起作用吗？我不确定此功能的合奏性。

谢谢。

这是我创建的两栖动物模型之一：

C.TOAD.BI<-glmer(C.TOAD~+Habitat.type+I(pond.dist/100)+I(road.dist/100)+I(urban.dist/100)+Year+Month+(1|Area), family = binomial(link="logit"),data = Amphibians)

Answer 1

您用来指定随机效果结构的语法将起作用。您提供的模型称为随机拦截模型，在您的情况下，它将为数据中的每个区域估计一个随机拦截。

对于缩放问题，建议您先将pond.dist和road.dist居中，然后再重新缩放。没有数据样本很难，但是我相信下面的代码可以工作（使用tidyverse函数）来居中变量。如果您使用中心池塘距离和道路距离重新运行模型，但仍然收到缩放问题，以我的经验，可以将变量值除以一个常数就可以消除缩放问题。如果您这样做，只需了解解释的变化即可。

Amphibians %>% group_by(Area) %>% mutate(pond.dist_c = pond.dist - mean(pond.dist), road.dist_c = road.dist - mean(road.dist))

以区域为中心时，这些效果的解释将有所变化。就池塘距离而言，您应将其解释为与两栖动物目击记录对数几率的估计增加有关，这与池塘距离相对于一个区域的平均池塘距离的增加相关。

如果愿意，还可以在模型中指定随机效果。可以通过将随机变量语法中随Area变化的任何变量添加来完成这些操作。例如，(1 + pond.dist | Area)。这将使模型可以估计每个区域的池塘距离的独特影响。