在 r 中嵌套成功（二项式 glmm）

Question

我在 R 中使用 glmer() 运行 GLMM：

glmer(survive ~ fyear + site + fyear * site.x + (1|fyear),
family = binomial(link = logexp(shaffer.sub$exposure)),
data = shaffer.sub)

根据巢是否成功，生存是 0 或 1。 Here你可以看到数据是什么样子的：

structure(list(id = structure(1:7, .Label = c("1", "2", "3", 
"4", "5", "6", "7"), class = "factor"), year.x = structure(c(1L, 
1L, 2L, 3L, 3L, 3L, 3L), .Label = c("1994", "1995", "1999"), class = "factor"), 
    survive = structure(c(1L, 2L, 2L, 2L, 2L, 2L, 1L), .Label = c("0", 
    "1"), class = "factor"), fyear = structure(c(1L, 1L, 2L, 
    3L, 3L, 3L, 3L), .Label = c("1994", "1995", "1999"), class = "factor"), 
    site.x = structure(c(1L, 2L, 1L, 1L, 1L, 2L, 1L), .Label = c("N", 
    "S"), class = "factor")), .Names = c("id", "year.x", "survive", 
"fyear", "site.x"), row.names = c(NA, -7L), class = "data.frame")

但我收到此警告消息：

*Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model failed to converge with max|grad| = 0.0299425 (tol = 0.001, component 12)
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model is nearly unidentifiable: large eigenvalue ratio
 - Rescale variables?*

有人告诉我，我不应该在同一模型上使用相同的随机因子作为固定效应。

最后，我想要一个可以看到年份、站点和交互年份的输出：站点效果。就像在 ANOVA 表中一样（这可能吗？我一直在尝试使用 summary(aov(model)) 但这不起作用；anova(model) 也不行。

aov() 命令出现此错误：

*Error in summary`(aov(syearXsite))` : 
  error in evaluating the argument 'object' in selecting a method for function 'summary': Error in if (fixed.only) { : argument is not interpretable as logical*

如何查看这些变量对生存的影响？

Answer 1

告诉您不要使用分类输入变量 (fyear) 作为固定效应和随机效应的人是正确的。很难确切知道要推荐什么，这取决于您在数据集中拥有的年数和站点（是您链接到所有数据的数据（我希望不是），或者只是前几行？你有多少年、多少个站点和多少个总观测值？）

如果您想将年份视为随机并将站点视为固定（如果您只有两个站点（N 与 S 如您的数据所示）和相当长的几年，例如超过 5 个，这将是明智的) 那么你可以适应：

g1 <- glmer(survive~site.x+(site.x|fyear),
      family=binomial(link=logexp(shaffer.sub$exposure)),
      data=shaffer.sub)

我不知道 site 与 site.x 是什么：我只在您的数据 sn-p 中看到 site.x。

要获取信息，请尝试summary(g1)。 （这只会为您提供随机效应的方差，而不是固定效应；GLMM 不会以与 ANOVA 相同的“方差解释”模式运行，特别是因为不同术语解释的方差通常不会 em> 加起来就是总方差。）