2

我为新手问题道歉，但我是 lme4 的新手。我正在使用 lme4 来模拟三年内由不同类型土地利用组成的六个地点中蜂群的生存情况，并在已经使用 REML 消除了其他竞争模型之后产生了以下模型：

land1=lmer(asin(sqrt(prop_survival))~log(area_forage_uncult) + (1|site) + (1|year))

并产生了总结：

Linear mixed model fit by REML ['lmerMod']
Formula: asin(sqrt(prop_survival)) ~ log(area_forage_uncult) + (1 | site)+ (1 | year))

REML criterion at convergence: -32.7

Scaled residuals: 
Min      1Q  Median      3Q     Max 
-1.4914 -0.5867 -0.0323  0.4945  1.7873 

Random effects:
 Groups   Name        Variance Std.Dev.
 site     (Intercept) 0.001080 0.03287 
 year     (Intercept) 0.000000 0.00000 
 Residual             0.004983 0.07059 
Number of obs: 18, groups:  site, 6; year, 3

Fixed effects:
                    Estimate Std. Error t value
(Intercept)             -1.33426    0.62653  -2.130
log(area_forage_uncult)  0.13687    0.03618   3.783

Correlation of Fixed Effects:
        (Intr)
lg(r_frg_n) -0.999

我现在想做的是使用这个模型来预测养蜂场在其他数量的未耕种草料的情况下的存活率。最好的方法是什么？示例代码将非常有帮助。

4

1 回答 1

4

这应该是相当简单的（尽管使用可重现的例子会让我更直接......）

如果你有一个合适的模型land1，那么

## I'm picking arbitrary values here since I don't
##  know what's sensible for your system
pframe <- data.frame(area_forage_uncult=200:210)
predict(land1,newdata=pframe,re.form=~0)

该参数re.form=~0告诉predict()函数您要在人口级别进行预测，而不是针对任何特定年份或地点（即在预测时将随机效应值设置为零）。有关详细信息，请参阅?predict.merMod。

我对模型还有其他一些建议：

  • 考虑使用二项式 GLMM（如果您的生存比例超出已知曝光的总数）而不是反正弦平方根变换（参见Warton and Hui 2011）
  • 6 个站点是一个相当少的随机效应级别，3 个非常小；您的输出显示年际差异已设置为零。考虑将年份设置为固定效应（可能具有总和为零的对比，即指定contrasts=list(year=contr.sum)）。
于 2015-01-29T14:39:46.890 回答