用于评估 R 中交叉和嵌套计数数据的 GLMM 模型中的错误

Question

=======

我需要了解哪些因素可以解释指令的执行。我的设计包括具有 2 个级别的生物地理区域，生物地理区域内的一个嵌套变量 - 海洋子单元 - 每个生物地理区域级别和标准（16 个级别）和组（11 个级别）中有 3 个级别。每个海洋子单元包括有关标准和组的计数。我所有的因素都是分类的。

---

数据框 sum 的一个示例是：

Biog_Reg Marine.Sub.Unit 标准组计数

凯尔特海 FR_凯尔特海 1.1 底栖栖息地 1

Celtic Seas FR_Celtic Seas 1.1 鱼 15

Celtic Seas FR_Celtic Seas 1.1 海洋哺乳动物 6

Celtic Seas FR_Celtic Seas 1.1 海龟 6

Celtic Seas FR_Celtic Seas 1.1 远洋栖息地 0

Celtic Seas FR_Celtic Seas 1.1 浮游生物 0

Celtic Seas FR_Celtic Seas 1.1 岩石和生物礁 0

Celtic Seas FR_Celtic Seas 1.1 海鸟 14

凯尔特海 FR_凯尔特海 1.1 沉积栖息地 1

Celtic Seas FR_Celtic Seas 1.2 鱼 0

---

由于我正在处理嵌套计数数据并且我想访问所有正确的交互，因此我正在尝试使用 GLMM 来执行分析。我已经测试了几个模型，但最完整的包括以下设计：

Model3

（我知道改用以下模型会更容易，但它根本不会运行： Model3

但是，模型需要很长时间才能解决，并且当它解决时，会提供以下错误：

"默认情况下不显示相关矩阵，因为 p = 54 > 12。 使用 print(x, correlation=TRUE) 或 vcov(x) 如果你需要它 收敛码：0 无法评估缩放梯度 模型未能收敛：具有 2 个负特征值的退化 Hessian 未能在 10000 次评估中收敛 警告信息： 1：在 vcov.merMod(object, use.hessian = use.hessian) 中： 从有限差分Hessian计算的方差-协方差矩阵是 非正定或包含 NA 值：回退到从 RX 估计的 var-cov"

总的来说，我对 GLM 比较陌生，所以我有几个问题：

1. 我的模型类型和模型语法是否正确？我的变量是自然嵌套的，即每个海洋子单元只属于两个生物地理区域之一，那么更简单的方差分析应该解决这个问题吗？
2. 尽管存在错误，该模型仍提供每个级别的结果 每个因素单独。如果模型是正确的，我怎样才能获得 因子的结果？
3. 我是否应该在 Marine Sub-Unit 中嵌套 Criteria 和 Group，即使它们不是随机的？如果是这样，它的 sintaxe 是怎样的？
4. 我应该考虑使用跨栏模型吗？

我已经阅读了大量信息，但正在考虑：“Schielzeth, H. 和 Nakagawa, S.（2013 年），按设计嵌套：混合模型时代的模型拟合和解释。” 我应该选择具有泊松分布的混合模型和 GLMM。这应该处理计数数据。我遇到了许多类似的问题，但没有一个专门回答我的疑问。

请帮忙！！！

Answer 1

您提出了很多问题，只是需要您多阅读一些内容。例如，看起来您将嵌套变量包含为嵌套随机效应而不是固定效应（在 Marine.Sub.Unit 和 Marine.Sub.Unit 内的 Biog_Reg 之间截取变化）。在选择使用混合模型之前，了解固定效应和随机效应之间的区别至关重要。如果您确实想包含随机效果，我建议您从 Ben Bolker 的 GLMM FAQ document 和他惊人的 Worked Examples 开始。

您可能还需要进行似然比检验，以确定您感兴趣的固定变量是否对计数数据有任何影响。

希望能帮助您找到正确的方向。