尝试使用配对数据和重复测量运行 glmer 时出错 (lme4)

Question

我想分析2种处理对植物物种丰度沿时间梯度变化的影响。

实验设计包括封闭区（处理 = 没有驼鹿）和对照地块（处理 = 驼鹿）。一个站点由 1 个隔离区 + 1 个控制地块组成。有 15 个站点（因此 15 个封闭区 + 15 个配对地块 = 30 个实验单元）。每个实验单元都有唯一的“id”。冷杉的丰度（比例：0 到 1 之间的连续值）已监测 5 年（每年一次 = 重复测量）。所以重复的措施嵌套在“id”里面。

我想分析处理对冷杉丰度的影响，同时控制数据的配对结构和重复测量。

由于响应数据是一个比例（0 到 1 之间的丰度），因此我一直使用 family=binomial 的 GLMM。

但是，我不完全确定如何编写模型。我试过了：

fit = glmer(fir ~ treatment*time + (time|id) + (1|site), data=dat1, family=binomial)

如果我做对了，“(1|site)”将控制成对结构，而“(time|id)”将控制重复结构（因为“time”嵌套在“id”中）。

但我收到以下错误：

Warning messages:
1: In eval(family$initialize, rho) :
non-integer #successes in a binomial glm!
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
unable to evaluate scaled gradient
3: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Hessian is numerically singular: parameters are not uniquely determined

知道我的模型出了什么问题以及这些错误消息是什么意思吗？

谢谢

Answer 1

我学会了一种同时包含配对结构和重复测量的方法。

但首先，我了解到您不能直接在 glmer 中使用比例，因为您会丢失有关该比例“稳固性”的信息。例如，如果 2 个地块中有 1 个有冷杉，则获得 50% 的丰度，但 50% 的“可信度”低于 120 个地块中的 60 个地块（也提供 50% 的丰度）。 此外，无法在 glmer 中插入相关参数。 在我们的实验中，4200 是采样的工作量：

dat1$fir2 = round(dat1$fir*4200);
dat1$N = 4200

要同时包含配对结构和重复测量，您可以使用库 (MASS) 中使用惩罚拟似然（或 glmmPQL）的广义线性混合模型。通过 corCAR1() 的相关参数包含重复测量。

上述情况的模型是：

fit2 = glmmPQL(cbind(fir2, N-fir2) ~ treatment*time,
     random=~1|site/treatment, data=dat1, family=binomial,
     correlation=corCAR1(form = ~time|site/treatment))

干杯！