“中的错误”；as.data.frame.default（x[[i]]，optional=TRUE）：无法强制类‘&引用；功能“’；到一个data.frame“；使用gamlss函数（或lme（）时）

我正在尝试使用

gamlss

包，使用以下代码拟合一个膨胀的Beta回归混合模型：

# Minimal reproducible example:
efficiency <- rbeta(n = 85, shape1 = 2, shape2 = 2, ncp = 2) # My actual variable contains several "ones", but it does not matter here
distance <- rpois(n = 85, lambda = 4)
manager_id <- c(rep(1, 10), rep(2, 2), 3:75)
manager_id <- as.factor(manager_id)
eff <- data.frame(efficiency, distance, manager_id)

mod1 <- gamlss::gamlss(efficiency~distance + gamlss::re(random = ~1|manager_id, method = "ML"),
                      data = eff, family = gamlss.dist::BEOI())

我相信错误来自

nlme:：lme（）

函数，该函数由

gamlss:：re（）

调用以适应随机效果，因为当我不包含这部分代码时，它工作正常。我也许可以使用

gamlss:：random（）

而不是

gamlss:：re（）

来适应随机效果，但这些函数的帮助页面指出，当响应变量的正常性假设无法满足时，应使用

re（）

。

---

有人能帮我解决这个问题吗？

FYI，停止使用

data.frame（cbind（..）

，只使用

data.frame

；列名和数据基本相同，但使用当前方法时，因子会转换回字符串（请参见

str（eff）

，在我的控制台中显示

num

）。我不知道这是否会破坏随机效应，但这是分类变量和连续变量之间的外观差异

manager\u id

。（我没有安装

gamlss

，因此无法进一步测试。）祝你好运@谢谢你的评论，我会相应地修改代码。然而，在我的实际数据集中，

manager\u id

确实是一个

因素，因此错误是由其他因素触发的。如果在看起来正常之前使用
re（）
而不使用
gamlss:：
，实际上我不知道为什么，但我找不到re（）源代码，也许我们不能从gamlss@BastienDucreux你说得对，谢谢！这确实很奇怪，但现在代码工作了（然而模型似乎不适合我的数据，但这是另一个问题）。
Error in as.data.frame.default(x[[i]], optional = TRUE) : 
  cannot coerce class ‘"function"’ to a data.frame