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

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)