1

我上周用 lmer (lme4) 构建了一个广义混合线性模型，效果很好：

fit<-lmer(dat$presence~log(dat$SIZE_strict)*dat$Troph_level+log(dat$HAB500EXCL_strict+1)+(1|dat$dataset), family=poisson, REML=FALSE)

然而，更新 lme4 包后，模型不再工作，并给出错误消息：

Error in `[[<-.data.frame`(`*tmp*`, i, value = integer(0)) : 
  replacement has 0 rows, data has 174
In addition: Warning messages:
1: In lmer(dat$presence ~ log(dat$SIZE_strict) * dat$Troph_level +  :
  calling lmer with 'family' is deprecated; please use glmer() instead
2: In checkArgs("glmer", REML = FALSE) :
  extra argument(s) ‘REML’ disregarded

使用 glmer 而不是 lmer 并没有解决第一条错误消息。任何建议将不胜感激！

以下是一些数据（称为 dat）：

Troph_level presence    dataset SIZE_strict HAB500EXCL_strict
carnivorous 2   1   46155   26005
carnivorous larvae  0   1   46155   26005
phytophagous    2   1   46155   26005
phytophagous    0   3   195295  360882
carnivorous 0   3   195295  360882
carnivorous larvae  0   3   195295  360882
phytophagous    4   2   18272   21169
carnivorous larvae  0   2   18272   21169
carnivorous 1   2   18272   21169
carnivorous 1   2   24964   26745
carnivorous larvae  0   2   24964   26745
phytophagous    4   2   24964   26745
phytophagous    5   2   6220    12543
carnivorous larvae  0   2   6220    12543
carnivorous 1   2   6220    12543
phytophagous    0   3   102633  12198
carnivorous larvae  0   3   102633  12198
carnivorous 0   3   102633  12198
phytophagous    0   3   2092    291439
carnivorous larvae  1   3   2092    291439
carnivorous 0   3   2092    291439
phytophagous    3   5   80410   0

提前谢谢了！图斯·范诺德韦克

4

1 回答 1

1

这是新版本lme4（将在即将发布的补丁版本中修复）中的一个 bug，它需要分组变量才能在data参数指定的数据框中找到。一般来说，如果您使用data参数并避免使用形式的变量，事情会更顺利（并且您的代码将更容易阅读） dat$var，例如：

fit <- glmer(presence~log(SIZE_strict)*Troph_level+log(HAB500EXCL_strict+1)+
  (1|dataset), family=poisson, data=dat)
于 2013-10-17T16:26:47.193 回答