问题标签 [glmmtmb]

我想比较三种情况下动物的皮质醇水平：

• 皮质醇：皮质醇植入物（实验性）
• 基线：非压力条件（非实验性）
• 驱逐：被驱逐出群体后，据称是压力条件（非实验性）

我的目标有两个：

i) 将皮质醇治疗诱导的皮质醇水平与非实验皮质醇水平（基线和驱逐）进行比较。

ii) 确定驱逐条件是否有压力，即诱发比基线更高的皮质醇水平

为了回答这个问题，我在 glmmTMB 中指定了一个 glmm，带有 gamma 错误结构和日志链接。我将采样时间（居中）添加为独立模型协变量，以说明采样过程可能会带来压力并影响皮质醇水平的可能性。皮质醇被设置为参考水平。

来自模型输出的信息可以回答 i)。但是，我需要在 Eviction 和 Baseline 之间进行一次额外的比较来回答 ii)，这可以通过使用 multcomp 包对均值进行多次比较来完成

尽管直接从模型摘要（基线 - 皮质醇和驱逐 - 皮质醇）中获得的对比的估计值、标准误差和检验统计值与模型摘要中的相同，但 p 值不同。

这让我想知道：

1. glmm 输出与使用 glht() 的平均值的多重比较之间 p 值差异的原因是什么？来自 glmm 的 p 值是否也针对多重比较进行了调整，即在我们的案例中，基线和驱逐都与皮质醇进行对比？

2. 这就提出了报告哪个值的问题。我们是否应该报告 a) 模型中估计的对比的模型摘要的 p 值和摘要中不直接可用的对比的多重比较的 p 值，即在我们的例子中，驱逐和基线之间的对比？或 b) 所有对比均值的多重比较的 p 值？

3. 更一般地说，如果模型摘要中未提供一个先验感兴趣的对比，那么所有感兴趣的对比是否都必须包含在均值的多重比较中，还是仅包含在模型摘要中不可用的对比？在我们的例子中：

我是我的scarab数据集，我有物种的响应变量数Richness（但是横断面的 5 个样本在每个变量中都是伪复制。对此进行了解释，我没有 43 自由度 (DF) (9*5= 45 = 1PbPPM - 1 = 43)，我使用 GLMM 来考虑这一点 ( )。我的例子：PbPPMPlotPlot(1|Plot)

基于这个分析，我有两个问题：

1. 有任何方法可以找到输出中校正的自由度数，因为对我来说，在Number of obs: 45, groups: Plot, 9.

2. 我想计算变量“绘图”的方差的贡献，因为在lmer()模型中，我有变量/残差方差的方差 + 变量的方差。尽管如此，在glmer()我没有剩余方差并且我不喜欢icc()在sjstats包装中使用。

提前致谢，

亚历山大

我正在拟合具有二项分布 (lme4::glmer和glmmTMB::glmmTMB) (n=341) 的 GLMM。我根据这篇文章中的建议使用了这两个包：解释 Gamma GLMM 的 DHARMa 残差。这是我安装的模型glmmTMB：

并与lme4：

具有这两个软件包的模型产生了类似的问题。以下是配备 的模型的诊断图lme4：

分散或零通胀没有问题，但分位数偏差很大。我可以在残差中看到一个轻微的模式，但我不知道我应该如何解释这一点，或者我应该采取哪些步骤来改进模型拟合。

我阅读了 glmmTMB 包小插曲（https://cran.r-project.org/web/packages/glmmTMB/vignettes/covstruct.html）并有以下问题：

1. 在小插图中，他们使用以下方法拟合模型

并提到time+0对应于连接观察向量 y（行）和随机效应向量 u（列）的设计矩阵 Z"

是什么意思+0？和有什么区别(times|group)吗？(times+1|group)(1|group)

关于协方差结构的语法有什么全面的总结吗？

2. 如果我想在 R 函数生成结果 y_{ij} 时拟合负二项式模型：rnbinom(mu=x_{ij}beta+b_i+e_{ij},size=1)，其中 i 是组索引，j 是个体索引，并且 b_i～N(0,1), e_{ij}~ N(0,1)。以下代码会正确指定模型吗？

任何建议和帮助表示赞赏。在此先感谢您的帮助！

我正在尝试将包segmented与混合模型一起使用。我遇到了各种问题，具体取决于我是否尝试使用lmer、lme或glmmTMB. 最后的方法需要是glmmTMB，因为在我的完整模型中，我使用的是负二项分布加上自相关结构。

segmented.default包中功能的帮助segmented说

要最小化的目标函数是 logLik 函数提取的（减）值，或者它可以通过 seg.control 中的 fn.obj 参数传递

所以我做了一个小辅助函数，然后传递给segmented.default. 但是，我在使用任何混合模型时都没有运气。欢迎提出任何建议，并为该glmmTMB块的解决方案提供额外的奖励积分。

可重现的例子：

现在到混合部分——lmer、lme 和 glmmTMB 都以不同的方式失败。

我想测试 12 年来在六个不同海滩采样的动物比例趋势，以便每个海滩都有单独的趋势测试。在下面的数据中，“thisbeach”是在该特定海滩采样的动物数量，“notthisbeach”是在所有其他海滩采样的动物数量。

glmmTMB 表示存在序列相关；

但是，我似乎在这种类型的模型中找不到任何示例，包括自相关结构。

请问有人有什么建议吗？

我正在使用glmmTMB分析遭受过度分散和零通货膨胀的计数数据，因此我使用的是负二项式 GLMM，ziformula=~1

当我尝试检查模型验证的残差时，我得到：

残差中的错误.glmmTMB(Mod_5, type = "pearson") : pearson 残差不 > 用于零通货膨胀或可变分散的模型

有没有办法在 R 中手动获得Pearson 残差？

谢谢你，莉维亚

我正在寻找有关正确模型符号的建议，以测试我的数据中性别之间的差异。我的目标是确定我是否需要将我的数据拆分为 M 和 F，或者我是否可以将我的数据合并（我希望由于样本量我能够保持合并）。

我正在使用 R 中的 glmmTMB 包进行资源选择函数分析，我的计划是运行 1 个具有随机截距和斜率的模型，没有性别，然后将此模型与基本相同但包含性别作为交互项的模型进行比较。我会比较AIC以确定最受支持的模型（即如果支持有性别的模型，那么我会将我的数据分成M和F并分别分析。如果支持没有性别的模型，那么我将保持组合）。

我正在遵循 Muff 等人在补充材料中提供的代码。2019（型号 M4）：https ://conservancy.umn.edu/bitstream/handle/11299/204737/Goats_RSF.html?sequence=21&isAllowed=y

例如：我没有性别的模型如下所示： glmmTMB(Used_and_Available_Locations ~ Urbanization + (1|AnimalID) + (0 + Urbanization|AnimalID), family = binomial(),...)

我的性模型让我感到困惑......当有交互时，我如何将性解释为随机效应？我不应该将性视为随机效应吗？

glmmTMB(Used_and_Available_Locations ~ Sex + Sex*Urbanization + Urbanization + (1|AnimalID) + (0 + Urbanization|AnimalID), family = binomial(),...)

我有一个属于不同物种的植物性状数据集，我正在将其放入 GLMM 中。对于一个变量（0 < Z < 1），我通过首先对变量进行 logit 转换，然后使用 Species 作为分组因子对其进行缩放，从而显着提高了拟合度

但是，我现在无法对变量进行反向转换，这对于使用 emmeans 计算估计均值并绘制它们很有用。

我想我首先必须缩小比例，然后反转 logit 转换；但是，由于它是一个dplyr管道命令，我还没有找到任何解决方案。

我正在使用 glmmTMB 包运行广义线性混合效应模型来分析野生捕食者的咬伤数量。

我的模型：

我的数据过于分散，因此我添加了观察级别的随机效应。我想使用预测功能根据模型预测咬伤的数量。我知道对于 glmer 模型，我可以使用 re.form=~(1|Microchip) 来确保它不包含观察级别的随机效应。但是，当为 glmmTMB 使用相同的公式时，我收到此消息：

我如何指定只考虑微芯片随机效应而不考虑观察水平随机效应？

欢迎任何建议。我确信必须有一个简单的方法来解决这个问题，但我一直无法找到它。

干杯，苏菲