1

我试图使用 MCMCglmm 模型中的气候变量来解释树木活力从 1 到 3 的变化(1=绿色,2=损坏,3=干燥)。不幸的是,我正在努力解决两个问题:

1.我如何解读MCMCglmm模型的总结?

我看到哪些变量很重要,但这是什么意思?这是否意味着随着降水的增加,活力会变为 1(绿色)?我绘制了模型的后验平均值,看起来降水和直径对树木的活力没有影响,但物种的反应不同。

2. 如何检查模型是否正确?

数据结构:物种、直径 (DBH)、活力 2018 (vit_2018) 和降水量 (pp18)。制作了小区,1 个小区包含测量的 10 棵树,降水是每个小区的一个值。
###MCMCglmm model, family= ordinal

    prior1<-list(R=list(V=diag(1),nu=0.002))
    m1 <-MCMCglmm(VIT_2018~ pp18 +DBH+Species, 
                                 family = "ordinal", data = comsp,prior=prior1,pr = TRUE, 
                                 nitt = 60000, burnin =30000, thin = 50)
    summary(m1)

    #Output:
    Iterations = 30001:59951
     Thinning interval  = 50
     Sample size  = 600 

     DIC: -146008.7 

     R-structure:  ~units

          post.mean l-95% CI u-95% CI eff.samp
    units      2697     1016     5304    6.075

     Location effects: VIT_2018 ~ pp18 + DBH + Species 

                            post.mean  l-95% CI  u-95% CI eff.samp   pMCMC   
    (Intercept)              60.64229  31.71644  92.78733    11.49 < 0.002 **
    pp18                     -0.07020  -0.11518  -0.03556    15.47 < 0.002 **
    DBH                       0.17357  -0.01797   0.37281    58.26 0.06000 . 
    SpeciesBetula pendula   -12.88510 -29.42191   1.87807    58.40 0.08667 . 
    SpeciesCarpinus betulus  15.57570   0.96439  30.89528    45.04 0.02000 * 
    SpeciesCorylus avellana  -3.81337 -18.31965  13.12771   600.00 0.59000   
    SpeciesCrataegus spec.  -14.90077 -36.86880   4.24729   286.00 0.10333   
    SpeciesFagus sylvatica  -15.03559 -29.04547  -2.07809    60.56 0.00667 **
    SpeciesFrangula alnus    20.10817  -0.10598  38.66354    73.88 0.01333 * 
    SpeciesQuercus spec.     -9.09458 -24.52595   6.42502   293.33 0.26000   
    SpeciesSambucus nigra    24.29894   2.58339  46.29901    49.66 0.02333 * 
    SpeciesSorbus aucuparia  39.56930  22.97282  63.15175    10.13 < 0.002 **
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

     Cutpoints: 
                             post.mean l-95% CI u-95% CI eff.samp
    cutpoint.traitVIT_2018.1     80.46    55.38    117.9    4.204
#### Estimating Credible Intervals

    HPDinterval(mcmc(randomprior1$Sol[,"(Intercept)"]))
    #        lower    upper
    #var1 31.71644 92.78733
    #attr(,"Probability")
    #[1] 0.95

数据和 R 脚本可以在这里找到

https://drive.google.com/drive/folders/1LmgEAssR5FfFw1CkYjygsaawg84dDAwk?usp=sharing 这里附上了一部分数据,当我用所有数据运行模型时,密度图看起来更好。

PS 我还尝试了 R 中序数包中的 clm 函数,但 McFadden 伪 r ^ 2 为 0.06 = 不合适。所以我用 Moran's I 检验检查了降水数据和地块的位置,并且存在空间自相关。我正在使用 MCMCglmm,因为我读到它可以处理空间自相关。到目前为止,我遵循了我在网上找到的几个教程或问题

任何建议都会非常有帮助。

感谢您的时间和帮助!

4

0 回答 0