4

我正在使用 R 包“lme4”中的 glmer 使用泊松广义混合模型对一种鸟类的丰度进行建模。我的数据示例：

abund      point_id  patch_area vis_per_year year
6      EL_03Plot035   244.69412          C_5 2003
0         RC_BBSM08   101.68909          C_2 2004
0  RP_211021_HSH088  1348.89935          C_3 2011
0         RC_LRSM04   111.74057          C_4 2008
0      RP_225155_p5     1.34007          C_3 2012
0       HO_YORUP105   141.66933          C_3 1998
1         RC_SPSM07   179.16088          C_2 2006
0     BH_MB12_bmh42 16937.30694         <NA> 2002
1         RC_MOSM11   104.43196          C_4 2012
1         RC_YOSM06   141.66933          C_4 2010
0  RP_244006_HMD366 27778.83482          C_3 2012
0      RP_247155_p5  7688.64751          C_3 2012
0      EL_08Plot127          NA          C_5 2008
2        HO_LITRR10   160.81729          C_4 1997
0         RC_BPSM07    38.23207          C_4 2009
0        HO_HARRIV5    10.46441          C_3 1999
1         RC_SPSM16   179.16088          C_4 2009
0         RC_YOSM01   141.66933          C_3 2002
0  RP_222799_HSH360    14.94866          C_3 2012
1         RC_WESM33   381.19813          C_2 2006
0  RP_209841_HSH017  2269.11227          C_3 2011
0         RC_LRSM03   111.74057          C_3 2001
0   RP_26718_HHO097    26.95666          C_3 2012
0     RP_236935_p14  7979.05373          C_3 2012
0 BD_miles_medium_2          NA          C_2 2003

“abund”是每年在该点检测到的最大鸟类数量的计数数据，“point_id”是调查点的名称，“patch_area”是该点所在栖息地斑块的面积，vis_per_year 是有序的因子观察级协变量，表示一年中访问某个点的次数，“年”表示观察的年份。除了少数例外，每年每个点只有一个丰度计数（行）。

我的型号规格是： 

model=glmer(abund ~ scale(year) + (1|vis_per_year) + (1|patchid/point_id), family = poisson, data)

到目前为止，对于诊断，我已经使用包“aods3”中的 gof 检查了我的模型是否过度分散，检查了随机效应的 QQ 图，并将包含我的固定效应（我只有一个）的模型与只有使用“lmerTest”中的 anova 命令的随机效应结构。该模型略微分散，并且排名高于使用 AIC 或 anova 标准的空模型。

我现在正在尝试为我的最终模型计算 R^2。我阅读了https://ecologyforacrowdedplanet.wordpress.com/2013/02/26/r-squared-for-mixed-models/上的博客条目以及随后的帖子更新以及相关的手稿，并将 MuMIn 包安装到用于计算边际和条件 R^2。但是，当我尝试使用 r.squared.GLMM(Model) 时，会引发以下错误：

Error in glmer(formula = SALS ~ scale(year) + (1 | vis_per_year) + (1 |  : 
  fitting model with the observation-level random effect term failed. Add the term manually

另外：警告信息：

In t(mm[!is.na(ff), ]) :
  error in evaluating the argument 'x' in selecting a method for function 't': Error in mm[!is.na(ff), ] : (subscript) logical subscript too long

为了隔离错误的来源，我尝试在没有 point_id 和 visit_per year 的情况下运行模型，但是在不包含这些协变量的情况下会引发相同的错误。这个错误到底是什么意思 - 如何手动将观察项添加到模型中？我已经阅读了 MuMIn 的文档，但我不知道 1）错误的确切含义以及 2）如何修复它。任何帮助深表感谢。如果不提供整个数据集，我认为我无法生成可重现的示例，但是了解此错误的确切含义将对我有所帮助。

更新：

根据错误消息的建议和一些解释（感谢堆栈溢出！）我将我的个人级别效果手动添加到模型中。现在我得到一个不同的错误：

Warning message:
In r.squaredGLMM.merMod(model) :
  exp(beta0) of 0.2 is too close to zero, estimate may be unreliable

这是否意味着我的固定效应的预期 Beta 太接近于零？

4

2 回答 2

4

我对相同的错误消息有同样的问题。删除 NA 值后，它对我来说效果很好。glmer 对 NA 值没问题，但 r.squaredGLMM 似乎对此有问题。

于 2015-09-20T18:02:32.487 回答
3

该错误意味着在原始模型中添加了个体级别的随机效应后（参见Nakagawa & Schielzeth 2013论文），glmer给出了错误（已转换为警告消息）。您应该手动将此术语添加到您的模型中。它的形式(1 | IND)是IND是一个因子变量，每个观测值有一个水平（例如factor(1:nrow(data))）。

然而，在包含该术语之后，模型可能不会收敛（而且似乎是这样）。

于 2015-03-07T10:39:01.987 回答