零通货膨胀的glmmTMB负二项混合模型r平方的求法
我用glmTMB建立了一个零膨胀负二项模型,如下所示零通货膨胀的glmmTMB负二项混合模型r平方的求法,r,glm,mixed-models,variance,model-fitting,R,Glm,Mixed Models,Variance,Model Fitting,我用glmTMB建立了一个零膨胀负二项模型,如下所示 M2<- glmmTMB(psychological100~ (1|ID) + time*MNM01, data=mnmlong, ziformula=~ (1|ID) + time*MNM01, family=nbinom2()) summary(M2) r.squaredGLMM.glmmTMB(M2)中的错误:r.squaredGLMM无法(尚未) 处理零膨胀的“glmmTMB”对象
M2<- glmmTMB(psychological100~ (1|ID) + time*MNM01, data=mnmlong,
ziformula=~ (1|ID) + time*MNM01, family=nbinom2())
summary(M2)
r.squaredGLMM.glmmTMB(M2)中的错误:r.squaredGLMM无法(尚未)
处理零膨胀的“glmmTMB”对象
残差中的错误。glmmTMB(模型,type=“pearson”):pearson
零通胀或零通胀模型不采用残差
可变色散
你有什么建议?根据似然比(
MuMIn::R.squaredLR
)尝试使用伪R^2。您可能需要显式地提供一个空模型进行比较。我认为这相当复杂。你试过r2\u nakagawa()
?但我会先读一读它的意思。尝试一下,正如迪伦所建议的那样,performance::r2_nakagawa()
(或者简单地说performance::r2()
)应该可以工作。这些模型是通过最大似然法推导出来的,而rsquare对它们来说根本不存在。你可以尝试一些类似伪r平方的东西,但要注意它的解释。
Family: nbinom2 ( log )
Formula: psychological100 ~ (1 | ID) + time * MNM01
Zero inflation: ~(1 | ID) + time * MNM01
Data: mnmlong
AIC BIC logLik deviance df.resid
3507.0 3557.5 -1742.5 3485.0 714
Random effects:
Conditional model:
Groups Name Variance Std.Dev.
ID (Intercept) 0.2862 0.535
Number of obs: 725, groups: ID, 337
Zero-inflation model:
Groups Name Variance Std.Dev.
ID (Intercept) 0.5403 0.7351
Number of obs: 725, groups: ID, 337
Overdispersion parameter for nbinom2 family (): 3.14
Conditional model:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.89772 0.09213 31.451 < 2e-16 ***
time -0.08724 0.01796 -4.858 1.18e-06 ***
MNM01 0.02094 0.12433 0.168 0.866
time:MNM01 -0.01193 0.02420 -0.493 0.622
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Zero-inflation model:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.29940 0.17298 -1.731 0.083478 .
time 0.12204 0.03338 3.656 0.000256 ***
MNM01 0.06771 0.24217 0.280 0.779790
time:MNM01 -0.02821 0.04462 -0.632 0.527282
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
MuMIn::r.squaredGLMM(M2)
performance::r2_zeroinflated(M2)