Python 分类变量与数字变量相互作用的Glmm

我试图找到一个

glmm

，它通过我的分类变量和数字变量之间的交互作用收敛。我的实验包括不同的地块类型（A、B、C和D），它们分别在0、1、2和3年绘制

现在我想知道在不同的地块类型和年份之间，物种的数量有多大的不同。因此，我想用函数

glmmTMB

创建一个glmm。不幸的是，我的理想模型，将降水量和温度（绘制图时的年份）作为额外的相关固定效应，并没有起作用。作为随机效应，我使用了地块的不同位置

我已经尝试了不同的家庭，不同层次的随机效果的不同组合，并添加了其他固定效果，如场地上的作物，邻近的栖息地等等。此外，我尝试使用

glmer

和

lmer

代替，但我的模型没有一个收敛的解决方案，没有一个与变量交互作用的误差测量信息

我还尝试将年份包含在绘图类型变量中（A_0、A_1、A_2、A_3、B_0，…）。有了这个，我的模型工作了，我也得到了我需要的意义。这是可能的还是会产生错误的意义或相关性

我的理想模型（目前尚未收敛）是：

glmmTMB(Number_of_species ~ Year_of_Implementation * Plot_type + Precipitation * Temperature + (1|site), family = binom1, data= example)

这给了我一条错误消息：

50个或更多警告（21个：f（标准杆，订单=订单，…）：值超出“lgamma”范围） 我还经常收到错误消息：警告消息： 1：在NLMNB（start＝PAR，目标＝FN，梯度＝GR，控制＝控制$OPTTCRL）： NA/NaN函数评价 2：在NLMNB（start＝PAR，目标＝FN，梯度＝GR，控制＝控制$OPTTCRL）： NA/NaN函数评价 3：在fitTMB（TMBStruc）中： 模型收敛问题；非正定Hessian矩阵。请参阅渐晕图（“故障排除”）

我的目标是获得一个地块的意义，该地块显示了每种地块类型在每年的发展情况