r - 使用 MuMIn r.squaredGLMM 计算泊松 GLMM 的 R 平方

Question

我正在使用 R 包“lme4”中的 glmer 使用泊松广义混合模型为一种鸟类建模丰度。我的数据的一个例子:

abund      point_id  patch_area vis_per_year year
6      EL_03Plot035   244.69412          C_5 2003
0         RC_BBSM08   101.68909          C_2 2004
0  RP_211021_HSH088  1348.89935          C_3 2011
0         RC_LRSM04   111.74057          C_4 2008
0      RP_225155_p5     1.34007          C_3 2012
0       HO_YORUP105   141.66933          C_3 1998
1         RC_SPSM07   179.16088          C_2 2006
0     BH_MB12_bmh42 16937.30694         <NA> 2002
1         RC_MOSM11   104.43196          C_4 2012
1         RC_YOSM06   141.66933          C_4 2010
0  RP_244006_HMD366 27778.83482          C_3 2012
0      RP_247155_p5  7688.64751          C_3 2012
0      EL_08Plot127          NA          C_5 2008
2        HO_LITRR10   160.81729          C_4 1997
0         RC_BPSM07    38.23207          C_4 2009
0        HO_HARRIV5    10.46441          C_3 1999
1         RC_SPSM16   179.16088          C_4 2009
0         RC_YOSM01   141.66933          C_3 2002
0  RP_222799_HSH360    14.94866          C_3 2012
1         RC_WESM33   381.19813          C_2 2006
0  RP_209841_HSH017  2269.11227          C_3 2011
0         RC_LRSM03   111.74057          C_3 2001
0   RP_26718_HHO097    26.95666          C_3 2012
0     RP_236935_p14  7979.05373          C_3 2012
0 BD_miles_medium_2          NA          C_2 2003

“abund”是每年在该点检测到的最大鸟类数量的计数数据，“point_id”是调查点的名称，“patch_area”是该点所在的栖息地斑块面积，vis_per_year是一个有序的因子观察级协变量表示一年中某个点被访问的次数，“年”表示观察的年份。除了少数异常(exception)，每年每个点只有一个丰度计数(行)。

我的型号规范是:

model=glmer(abund ~ scale(year) + (1|vis_per_year) + (1|patchid/point_id), family = poisson, data)

到目前为止，对于诊断，我已经使用“aods3”包中的 gof 检查了我的模型是否存在过度分散，检查了随机效应的 QQ 图，并将包含我的固定效应(我只有一个)的模型与只有使用来自“lmerTest”的 anova 命令的随机效应结构。该模型略微分散，并且使用 AIC 或 anova 标准排名高于空模型。

我现在正在尝试为我的最终模型计算 R^2。我在 https://ecologyforacrowdedplanet.wordpress.com/2013/02/26/r-squared-for-mixed-models/ 上阅读了博客条目以及随后的帖子更新以及相关的手稿，并安装了 MuMIn 包以用于计算边际和条件 R^2。但是，当我尝试使用 r.squared.GLMM(Model) 时，抛出以下错误:

Error in glmer(formula = SALS ~ scale(year) + (1 | vis_per_year) + (1 |  : 
  fitting model with the observation-level random effect term failed. Add the term manually

另外: 警告信息:

In t(mm[!is.na(ff), ]) :
  error in evaluating the argument 'x' in selecting a method for function 't': Error in mm[!is.na(ff), ] : (subscript) logical subscript too long

为了隔离错误的来源，我尝试在没有 point_id 和visit_per year 的情况下运行模型，但是在不包含这些协变量的情况下会抛出相同的错误。这个错误究竟是什么意思 - 我如何手动将观察项添加到模型中？我已经阅读了 MuMIn 的文档，但我对 1) 错误的确切含义以及 2) 如何修复它感到茫然。任何帮助深表感谢。我不认为我可以在不提供整个数据集的情况下生成可重现的示例，但是了解此错误的确切含义将对我有所帮助。

更新:

根据错误消息的建议和一些解释(感谢堆栈溢出!)，我手动将我的个人级效果包含在模型中。现在我得到一个不同的错误:

Warning message:
In r.squaredGLMM.merMod(model) :
  exp(beta0) of 0.2 is too close to zero, estimate may be unreliable 

这是否意味着我的固定效应的预期 Beta 值太接近于零？

Answer 1

我遇到了同样的问题，同样的错误信息。删除 NA 值后，它对我来说效果很好。 glmer 对 NA 值没问题，但 r.squaredGLMM 似乎有问题。