我正在使用 300 毫秒的持续时间阈值分析在时间序列数据中检测到的离散事件的持续时间，即检测到的事件只能长于 300 毫秒。当我查看我的数据时，我预计它会遵循一个转移的 Gamma 分布。情况似乎确实如此。当我将移位数据（持续时间 - 300 ms）拟合到具有 Gamma(log) 系列的 glmer 模型时，我得到以下 DHARMa 结果：
尽管 KS 测试表明并非如此，但我认为 qqplot 看起来很合理，残差与预测值图看起来几乎没有偏差和非线性。因此，我决定继续前进，并使用参数引导程序在模型中分类因子的水平之间进行假设检验。由于这个因素很重要，我使用 emmeans 包进行了事后测试。但是，在这里我遇到了问题，因为 EMM 基于与移位数据拟合的模型：因此，分类因子水平之间的对比度估计现在表示为比率（使用对数链接），这显然是错误的，因为我之前减去了阈值。
以下是我的几个问题：
- 您认为在拟合之前通过检测阈值移动数据是拟合这些数据的明智方法吗？
- 在 glmer 的范围内我可以尝试其他任何发行版吗？我尝试了对数正态变换的数据，但它显着低估了与移位伽马分布相比的平均值。
- 您对如何处理我在事后测试期间遇到的问题有什么建议吗？
我希望我的问题和疑问有点清楚。您将如何处理这些数据？