我有一个包含三个分类变量的连续响应，没有随机效应。我已经使用零调整伽马分布拟合了一个 gamlss 对象。在这里链接到数据，因为它很大。我无法将数据放入更标准的分布中，如果可能的话，我想避免使用障碍型分析方法以便于解释。
data_1 <- read.csv('data_1.csv', sep = ',')
library(gamlss)
mZAGA <- gamlss(cent ~ treat * cat * season, family = ZAGA(), data = data_1)
我想比较模型中主要效果和交互的重要性，gamlss这似乎不是直接可用的功能。本文描述了将gamlss对象转换为nlme::lme对象（https://arxiv.org/abs/1810.03085，第 17 页），这似乎是一种很好的方法，因为lme模型更广泛地被 stats 包所接受。
一旦混合 GAMLSS 被拟合并存储在 R 对象中，
getSmo()就可以使用该函数将其转换为lme对象，以便使用拟合的混合模型的所有方法都lme()可用，例如通过该anova()函数进行方差分析。
然而，getSmo文档并没有帮助我进行这种转换，而且反复试验让我无处可去。如何使用我的系数（mu、sigma 和 nu）来构建 lme 对象？这是我什至可以在保留零调整伽马分布的同时做的事情gamlss吗？