GLMMadaptive 用于半连续数据答案

【问题标题】：GLMMadaptive for semi-continuous dataGLMMadaptive 用于半连续数据
【发布时间】：2019-02-22 21:09:06
【问题描述】：

我正在处理一个非常难以处理的数据集：鱼类幼虫密度。它是一个半连续的数据，有 90% 的零和右偏分布，几乎没有非常大的值。例如，我想对环境特征和幼虫密度做出一些预测。我正在尝试使用两部分模型（GLMMadaptive 用于半连续数据）family = hurdle.lognormal()。

但命令 summary 不适用于配备mixed_model()、family = hurdle.lognormal() 的模型。所以，我不知道如何获得预测变量的标准误差、p 值和置信区间。

另一个问题与残差的拟合优度有关。怎么找？

另外，我试图拟合一个没有固定效果的空模型，寻找模型的重要性，但我无法修复它，因为它给了我以下消息：

.subset2(x, i, exact = exact) 中的错误：下标超出范围

Nullmodel <- mixed_model(fixed = Dprochilodus ~ 1, random = ~ 1|periodo, data = OeL_final, family = hurdle.lognormal(), max_coef_value = 30) 

mymodel <- mixed_model(fixed = Dprochilodus ~ ponto+Dif_his.y+temp,  random = ~ 1 | periodo, data = OeL_final, family = hurdle.lognormal(), n_phis = 1,      zi_fixed = ~ ponto, max_coef_value = 30)

我的模型的结果是：

Call: mixed_model(fixed = logDprochilodus ~ ponto + Dif_his.y + temp, 
    random = ~1 | periodo, data = OeL_final, family = hurdle.lognormal(), 
    zi_fixed = ~ponto, n_phis = 1, max_coef_value = 30)


Model:  family: hurdle log-normal  link: identity 

Random effects covariance matrix:
                StdDev (Intercept) 0.05366623

Fixed effects:   (Intercept)       pontoIR      pontoITA      pontoJEQ pontoTB     Dif_his.y          temp 
 3.781147e-01 -1.161167e-09  3.660306e-01 -1.273341e+00 -5.834588e-01  1.374241e+00 -4.010771e-02 

Zero-part coefficients: (Intercept)     pontoIR    pontoITA    pontoJEQ     pontoTB 
  1.4522523  21.3761790   3.3013379   1.1504374   0.2031707 

Residual std. dev.:
 1.240212 

log-Lik: -216.3266

有人使用过这种模型吗？非常感谢任何帮助！

【问题讨论】：

标签： r

【解决方案1】：

summary() 方法应该与family = hurdle.lognormal() 一起使用。例如，您可以在here 发布的示例中调用summary()。

要检查拟合优度，您可以使用 DHARMa 包提供的模拟尺度残差；例如检查here。

【讨论】：

【解决方案2】：

如果您在 Rstudio 控制台中工作，您可能需要打印(summary())

【讨论】：