问题标签 [glmmtmb]

我正在尝试使用我适合glmmTMB包的 GLMM 在人口级别（即将随机效应设置为 0）预测 R 中的栅格堆栈。我在此线程中遵循了 Ben Bolker 的解决方案，该解决方案适用于符合 的模型lme4，但即使函数参数re.form=~0似乎适用于predict.glmmTMB，predict.merMod但当我预测使用 glmmTMB 模型时，它对我不起作用。这是一个使用 Robert Hijmans 在上述线程中提供的相同示例代码的示例：

当我运行上面的predict代码（制作对象 x）时，我得到了错误：Error in eval(predvars, data, env) : object 'Year' not found. 有人可以告诉我我可能做错了什么或如何解决这个问题吗？

我有要建模的半连续数据（许多精确的零和连续的积极结果）。我从 Zuur 和 Ieno 的《R 中零膨胀模型初学者指南》中很大程度上了解了质量为零的建模数据，该指南区分了零膨胀伽马模型和他们所谓的“零改变”伽马模型，他们描述了作为障碍模型，它结合了零点的二项式分量和正连续结果的伽马分量。我一直在探索该ziGamma选项的使用glmmTMB打包并将得到的系数与我按照 Zuur 的书（第 128-129 页）中的说明构建的障碍模型进行比较，它们并不重合。我很难理解为什么不这样做，因为我知道伽马分布不能取零值，所以我想每个零膨胀伽马模型在技术上都是一个障碍模型。谁能为我照亮这个？查看代码下方有关模型的更多评论。

我的障碍模型的 gamma 分量和 zigamma 模型的固定效应分量的系数相同，但 SE 不同，这在我的实际数据中对我感兴趣的预测变量的重要性有重大影响。零膨胀模型的系数不同，我还注意到二项式分量中的 z 值是我的二项式模型中的负数。我认为这与我的二项式模型建模存在概率（1 是成功）和 glmmTMB 大概建模不存在概率（0 是成功）有关？

总之，谁能指出我在 glmmTMB ziGamma 模型上做错了什么？

我正在处理一个包含 184,113 名参与者赌博行为的纵向数据的大型数据集。该数据基于对赌博运营商内电子赌博行为的完整跟踪。赌博行为数据按月汇总，共 70 个月。我有一个用于分隔参与者的 ID 变量、一个时间变量（月份），以及许多赌博行为变量，例如给定月份的活跃天数、给定月份的投注、给定月份的总损失等。参与者的时间不同一直在积极赌博。一位参与者可能在第 2、3、4 和 7 个月赌博，另一位参与者在 3、5 和 7 个月赌博，第三位参与者在 23、24、48、65 个月等。

我试图在 glmmTMB 中运行一个负二项式 2 截断模型，我想知道包如何处理缺少 0。我有关于赌博行为的纵向数据，每个月玩的天数（总共 70 个月）。该变量可以取 1-31 之间的值（取决于月份），没有 0。数据集中不存在参与者的月份为 0。仅由两个参与者构成数据的示例：

我的问题：如何指定 glmmTMB 中截断的位置？它默认为0吗？我想截断 0 并运行以下代码（我将比较模型，第一个是简单的无条件模型）：

它会成功吗？

我想知道glmmTMB添加exp(coordinates + 0 | SITES )为空间自相关结构是否仍然保持空间自相关。接下来我该怎么做。这是我的公式glmmTMB：

然后，我尝试用DHARMa.

但该结果对于空间自相关具有重要意义。

那么我应该怎么做才能解决空间自相关呢？感谢所有关注我问题的人。谢谢你。

这是我的数据集：

我想运行以下模型：

我之前运行过该模型一次并且运行良好，但是当我尝试在同一台计算机上第二次运行它时，我收到以下警告消息

“在 fitTMB(TMBStruc) 中：模型收敛问题；非正定 Hessian 矩阵。参见小插图（'疑难解答'）”

为什么这个模型之前在我的电脑上运行正常一次，但我第二次尝试运行它时显示警告标志？我可以做些什么来消除我第一次运行模型时可能已经做过的警告标志。

我正在尝试在 GLM 模型上运行引导重采样，但我一直遇到错误，并且在网上找不到任何解决方案。

当我尝试使用归一化变量（sub.size_z）和转换为因子（小时）的连续变量时，我遇到的第一个问题是“变量长度不同”。我检查了我的数据集，发现任何地方都没有 NA，所以我不知道如何解决这个问题。

第二个错误是“错误：从基础到 coefs 列表的命名不匹配”，当我尝试使用 GLM 运行引导程序而没有转换我之前提到的变量时，就会发生这种情况。

谁能指出我的解决方案？非常感谢！

这是我使用的代码！

我正在尝试在 Python 中使用串行自相关或 AR1 错误来拟合逻辑回归。不幸的是，statsmodels还没有走到这一步；但是，R-packageglmmTMB有。我很接近（似乎）通过rpy2Python实现这一点，但我被困住了。

我的 R 技能（和错误 RRuntimeError: Error in na.fail.default(as.ts(x)) : missing values in object：）建议需要修改na.action函数的参数glmmTMB（在包中glmmTMB），但这在 R 中不是必需的——我的示例适合那里并且很高兴。所以，我怀疑 Python-to-R 链中的其他东西是错误的。

我的钱花在变量time和. 有人看到我能做什么吗？我没有正确创建因子变量吗？grouparformula

我在理解 glmmTMB 中权重的行为时遇到了一些麻烦，因为它导致与 lmer 无法比较的结果。

这个例子可以帮助理解问题：

这两个模型给出了相同的结果，因此我认为 lmer 将权重设为 1。

惠特TMB：

输出类似于 m9a，但我怀疑这可能是偶然的，因为我们尝试了其他模型，但并非总是如此

这与 m9c 和 m9b 完全不同。我们无法弄清楚为什么...

我附上一个数据集以防有人可以提供帮助。

我正在尝试导出glmmTMB模型的结果。我可以使用 格式化我的输出tab_model()，但是我无法在仍然保持格式的同时导出这个HTML 文件。

出于说明目的，与我正在使用的数据集类似的数据集将是ChickWeightbase R中的数据集。

要以我在论文中想要的方式查看输出：

这给了我一个格式精美的表格（见这里）。

我尝试使用 将其导出为 csv write.csv(as.data.frame(summary(model)), "~/Desktop/model output.csv")，但此解决方案不适用于glmmTMB模型。

如何将具有相同格式的 HTML 文件导出为 CSV（例如，用括号中的 CI 进行估计，全部位于同一行）？

我很难理解 的色散模型和色散参数glmmTMB，并且在 github、vigniette 或 stackexchange/stackoverflow 上找不到答案。

我使用色散参数构建了一个 GLMM glmmTMB，以解释与我的一个预测变量相关的异方差性。

问题：

1. 我在 github 或 stackexchange 上读到，分散模型不是为与 RE 一起使用而构建的。有人知道那是否仍然是最新的吗？我可以在具有随机效应的模型中包含变化的色散参数吗？我需要随机效应，因为我有重复的措施。

2. 在我的模型中，我对（我的三个预测变量的）三向交互项感兴趣，并且想知道我是否仍然可以以正常方式解释条件模型。我通常用summary(model)来研究模型结构。我的分散模型非常重要，但我找不到任何关于如何解释和处理分散模型的解释。我发现了一条让我感到困惑的评论：“当条件模型和离散模型中存在相同的变量时，可以操纵均值-方差关系，但这可能会导致不收敛问题。” （来自 Brooks 等人的 R 期刊文章，2017 年）。?sigma.glmmTMB 表示“nbinom2：返回一个过度离散参数（通常表示为 theta 或 k）；与大多数其他系列相比，dispformula

关于我的数据和模型的背景信息：

我正在为一项具有重复测量的随机对照试验拟合 GLMM。假定连续结果（精神病理学症状负荷的计数数据）受时间（3 个时间点：因子，3 个水平）、治疗组（因子，2 个水平）和某些事件的发生（因子，2 个水平）和他们的互动。我相应地安装了一个 glmer glmer(outcome ~ time*group*event + (1| ID) , ... )：. 泊松分布非常分散，因此我转向了负二项式模型。不幸的是，残差图（使用DHARMa）揭示了一种模式，表明模型预测存在差异。根据标准化残差绘制预测时间显示异方差性。为了解释异方差，我开始构建 4 个不同的glmmTMB（因为我有 4 个结果）具有如下分散参数：

m1 <- glmmTMB(outcome1 ~ event * time * group + (1|code), dispformula = ~time , family = "nbinom2", data = data_long)