1

我在时间自相关和在 glmm 中实现它的方式上遇到了一些麻烦。在这里（https://cran.r-project.org/web/packages/glmmTMB/vignettes/covstruct.html），通过自回归过程（AR1），它们将时间序列与时间步长相匹配。但是，当我这样做时，使用模拟数据和经验数据，我会得到惊人的高 R²，例如：

>library(glmmTMB)
>library(MASS)
>library(data.table)
>myfile <- "https://raw.githubusercontent.com/f-duchenne/data_for_test/master/data_for_test.txt"
>dat<- fread(myfile)
>dat$Annee=numFactor(dat$Annee)
>model <- glmmTMB(pheno_derivs2 ~ ratio+urban+ar1(Annee + 0 | species), data=dat)
>MuMIn::r.squaredGLMM(model)
            R2m R2c
[1,] 0.002107069   1
1-var(residuals(model))/var(dat$pheno_derivs2)
[1] 1
cor(dat$pheno_derivs2,predict(model))^2
[1] 1

模型如何完美拟合数据，而固定效应远未过拟合？

包括时间自相关过程给出这样的 R² 和几乎完美的拟合是否正常？（很大程度上是由于随机部分，固定部分经常解释我数据中的一小部分方差）。该模型是否仍可解释？

4

0 回答 0