我正在尝试在数据之上手动绘制模型估计。我的真正问题远比这复杂，所以我想尽可能避免使用predict，并且更愿意了解如何计算这些预测而不是依赖某些包。

（底部的可重复示例的数据。）

所以我首先运行一个模型，并获取模型估计和标准误差：

然后，我创建一个 x 值序列来预测

然后我用两种不同的方法预测 y 值（使用predict和编写应该做同样事情的方程）

我们绘制两条预测线（一条为顶部较小的红线）：

我们看到我写的方程和predict函数一样。都好。但是，当我在该行周围添加 SE / 95% CI 功能区时，我在尝试重新创建它时遇到了问题（这里我保留为 SE，因为 95% CI 会导致更多笨拙的情节）。我以许多不同的方式玩过这个公式，但似乎无法理解。出于某种原因，我似乎找不到任何关于它的帖子，但也许我没有使用正确的搜索词。谁能向我解释我在这里缺少什么。似乎我的错误功能区（红色轮廓）中缺少相当多的复杂性。

或者使用 95%CI，比如我的predict丝带，它更离谱：

我正在尝试创建如下图（取自https://cran.r-project.org/web/packages/dotwhisker/vignettes/dotwhisker-vignette.html），但没有截距，也没有重新缩放：

我一直在关注 https://cran.r-project.org/web/packages/glmmTMB/vignettes/model_evaluation.pdf中的代码：

我尝试通过以下方式应用此代码以实现多个模型的 dwplot（没有截距且没有重新缩放）：

但我收到此错误消息：

当我在没有该by_2sd()功能的情况下运行它时，我没有收到错误消息，但仍显示截距。

任何帮助将非常感激。

我glmmTMB使用family = nbinom1. 现在我想根据预测值和离散度对数据进行模拟。但是，从帮助文件中，看起来 go-tornbinom函数使用family=nbinom2方差等于 的参数化mu + mu^2/size。

1）谁能帮我弄清楚如何模拟family=nbinom1数据（方差等于mu + mu*size）？

2）另外，我提取/使用分散值作为尺寸是否正确？

非常感谢！

当前代码（未提供数据，因为没关系），stats:::rnbinom尽管方差定义不匹配，但仍使用该函数：

我正在尝试为我的一些模型获取 AICc 表，这些模型是使用包 glmmTMB 构建的。该模型给出了一个 logLik 值，但没有给出 AICc。当我将模型放入 AICc() 时：

我收到此错误：

我使用了其他函数，如 AICtab() 并得到了同样的错误，所以我相信它在模型本身中。如果有人能够在这里解释此错误，请告诉我，谢谢。

编辑：

使用的最小数据集和模型：

我正在使用零膨胀和过度分散且具有随机效应的计数数据（可在此处获得）。最适合处理此类数据的软件包是glmmTMB（此处的详细信息和此处的故障排除）。

在处理数据之前，我检查了它的正态性（它是零膨胀的）、方差同质性、相关性和异常值。数据有两个异常值，我从上面的数据集 linekd 中删除了它们。来自 18 个位置的 351 个观测值 ( prop_id)。

数据如下所示：

响应变量是euc0，随机效应是prop_id和quad_id。其余变量是固定效应（均代表不同植物物种的覆盖百分比）。

我要运行的模型：

seed0运行代码后我得到的错误是：

optimHess(par.fixed, obj$fn, obj$gr) 中的错误：optim 中的梯度评估为长度 1 而不是 15 另外：有 50 个或更多警告（使用 warnings() 查看前 50 个）

warnings()给出：

我通常也指中心化和标准化我的数值变量，但这只会消除第一个错误并保留NA/NaN错误。我尝试添加这样的glmmTMBControl语句OP，但它只是打开了一个全新的错误世界。

我怎样才能解决这个问题？我究竟做错了什么？

将不胜感激详细的解释，以便我将来可以学习如何更好地解决此问题。或者，我对MCMCglmm解决方案持开放态度，因为该功能也可以处理此类数据（尽管运行时间更长）。

我通常使用lme4包，但glmmTMB包越来越适合处理高度复杂的数据（想想过度分散和/或零通货膨胀）。

glmmTMB有没有一种方法可以从模型中提取后验模式和可信区间，类似于对lme4模型的处理方式（例如此处）。

细节：

我正在使用零膨胀和过度分散且具有随机效应的计数数据（可在此处获得）。最适合处理此类数据的包是glmmTMB（详情请点击此处）。（注意两个异常值：euc0==78和np_other_grass==20）。

数据如下所示：

glmmTMB型号：

我通常如何提取lmer/glmer模型的后验模式和可信区间：

我是新来的。我要求它拟合一个模型，该模型考虑了以两种花粉处理方式喂养的蜜蜂，放置在不同的笼子中，并每天记录它们的重量。我试图解决的问题是蜜蜂的体重是否随饮食而变化。笼子，复制品嵌套在复制品中。我的响应变量是体重。我的解释变量是：饮食、日和复制/笼子/蜜蜂。需要两个模型，一个具有混合效应，包括随机变量，第二个。我正在运行的代码如下所示：

使用带有功能 glmmNP 的 gamlss.mx 包

库（gamlss.mx） 库（gamlss.dist）

m1<- glmmNP(Weight.g.~ Diet+ (1|Replicate/Cage/Bee), family="weibull", data=beewt)

m1<- glmmNP(Weight.g.~ Diet+ (1|Replicate/Cage/Bee), family="Gamma", data=beewt)

m1<- glmmNP(Weight.g.~ Diet+ (1|Replicate/Cage/Bee), family="Gumbell", data=beewt)

错误信息是：找不到函数 glmmNP#

我已经尝试过其他软件包，如 MASS 的功能：glmm(PQL) library(MASS) model<- glmmPQL(Weight.g.~ Diet+ (1|Replicate/Cage/Bee), family="Gamma", data=beewt)

错误消息是：缺少参数“random”，没有默认值

请告知我如何适当地调整我的代码。

我有以下带有随机斜率的 GLMM，我正在使用 MuMIn “dredge”进行模型平均（我认为我的数据集不相关，所以我只在此处包含代码）：

sett_global2 <- glmmTMB(sett_dens~ depth_scale + sst_six_scale + exposure_six_month_daily_log_scale + (1|kelp)+ (0 + sst_six_scale|kelp) + (1|site) + (1|Year), data = sett_model_data, family=nbinom2)

当我最初尝试疏通模型时，它可以工作，但出现以下警告消息：

dredge(sett_global2, beta = "none", rank = "AIC", trace = 2)

警告信息： 1：随机斜率不作为固定效应出现。这人为地夸大了条件随机效应方差。解决方案：重新指定固定结构！2：随机斜率不作为固定效应存在。这人为地夸大了条件随机效应方差。解决方案：重新指定固定结构！3：随机斜率不作为固定效应存在。这人为地夸大了条件随机效应方差。解决方案：重新指定固定结构！

表明即使“sst_six_scale”的固定效应不在完整模型集中拟合的模型中，该模型仍以随机斜率“(0 + sst_six_scale|kelp)”进行拟合。

因此，我尝试再次使用“子集”命令中的“dc”参数来疏通模型，以便仅在模型中存在相应的固定效应时才包含随机斜率：

dredge(sett_global2, beta = "none", rank = "AIC", subset = dc("cond(sst_six_scale)" , "cond(0 + sst_six_scale | kelp)"), trace = 2)

但我仍然得到与以前相同的警告消息，向我表明子集命令无法正常工作。我确保使用“getAllTerms”来获取适当的变量名称以放入子集命令中，并且在运行上述代码时我没有收到任何错误，所以我真的想不出它不工作的任何原因。这让我想知道“子集”命令是否完全适用于随机效应。任何人都可以为我阐明这一点吗？

我正在尝试使用glmmTMB;运行零膨胀负二项式 GLMM 但是我在模型摘要输出的和值中得到了NAs 。我不确定原因是什么；我遵循了小插图和在线帮助，但我认为我的数据和我尝试使用的技术一定存在问题。我的数据类似于支持文档中使用的示例：负二项分布，零膨胀，具有相同的数据结构。zpSalamanders

问题出在哪里？这些数据适合使用family = nbinom2吗？

数据：

我的模型：

作为一个可重现的示例，让我们使用下一个无意义的示例：

实际上，我真正的模型家庭是 nbinom2。我想在 和 之间进行对比disp测试hp。所以，我尝试：

我怎样才能避免这个错误？

谢谢！