带有 glmer 的模型规范

Question

我正在尝试设置 GLMM，但在用 glmer 表示 R 中的分层数据结构时遇到问题。我的数据结构如下：

y (dependent variable);
visit (L1: nested independent variable);
year  (L2: nested independent variable);
site  (L3: independent variable);

其中visit 嵌套在year 中，而site 又嵌套在site 中（即每个站点每年最多可能有5 次访问，其中最多可能有10 年的数据）。

我对@9​​87654326@ 对y 的影响感兴趣，同时也希望将site 视为随机效应（即截距和斜率[一年内] 因站点而异）。

我使用了以下命令：

model <- glmer(y ~ year + (year | site) + (visit|year), 
               family=poisson, data=data)

我是否正确表达了模型？

Answer 1

我觉得我会推荐

model <- glmer(y ~ year + 
                   (1+year | site) + 
                   (1|visit:site:year),
               family=poisson, data=data)    

我建议您将年份视为数字（连续）变量；否则(year|site) 术语将尝试估计每年的站点间差异，以及每年的协方差（这可能会失败）。在这个模型中，

• year 指定相对于年份的整体、固定的线性趋势；
• 1+year|site 指定站点间截距的变化（即总计数），以及站点间相对于年份的斜率变化，以及斜率-截距相关性；
• 1|visit:site:year 提供观察级随机效应，允许过度分散。

还有其他可能的方法来对此进行切片（您可以考虑使用(1|year) 术语，它解释了相对于年份的线性趋势的整体跨站点变化）。

一般而言，我会小心 (var|grp) 术语，其中 var 是分类的，因为如果 var 具有超过 2 或 3 个级别，它们将导致估计相当复杂的模型...