r - GLMMadaptive 用于半连续数据
问题描述
我正在处理一个非常难以处理的数据集:鱼幼虫密度。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()
,.
但命令摘要不适用于配备 , 的mixed_model()
模型family = hurdle.lognormal()
。所以,我不知道如何获得预测变量的标准误、p 值和置信区间。
另一个问题与残差的拟合优度有关。我怎样才能找到它?
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,因为它给了我以下信息:
.subset2(x, i, exact = exact) 中的错误:下标越界
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
有人用这种模型工作过吗?我真的很感激任何帮助!
解决方案
推荐阅读
- javascript - 阻止从非浏览器客户端登录
- python - 缩短的链接不适用于 BeautifulSoup Python
- java - 无法在 SpringBoot 应用程序中使用 JPA 将数据保存在数据库中
- postgresql - Flask 将表单中的选择转换为指向另一个表的外键
- google-maps - 谷歌地图费率/收费
- android - 使用 mipmap 资源目录时,图像在 ImageView 中显示为模糊
- python - 如何整齐地打印字典?
- c# - Unity WebGL 中全景解压耗时过长
- c - 内存:在图表的顶部或底部的高地址?
- arrays - 在执行完 K 次操作后最大化堆栈的顶部元素