创建具有二项式响应和类别/连续变量混合的GLMM

Question

我正在分析几个两栖动物目击事件（6000多个记录），以了解哪些环境变量会影响两栖动物的有无。 每个两栖动物物种的响应变量是一个逻辑矢量（对，错），环境因素包括连续的数值（道路距离，池塘距离）和分类变量（月，年，面积）。 我创建了一个按比例缩小数值变量的通用线性混合模型（GLMM，软件包lme4），并选择了Area（有目击的地方）作为随机效果。

-缩放比例/ 100是否可以接受？ 道路距离和池塘距离以米为单位。 并且通常包含大量数字（3000m等）。 缩放还删除了此模型最初给我的重新缩放错误消息。

-随机效果会按预期（1 |区域）工作吗？ 我不确定此功能的合奏。

先感谢您。

这是我创建的两栖动物模型之一：

C.TOAD.BI<-glmer(C.TOAD~+Habitat.type+I(pond.dist/100)+I(road.dist/100)+I(urban.dist/100)+Year+Month+(1|Area), family = binomial(link="logit"),data = Amphibians)

Answer 1

您用来指定随机效果结构的语法将起作用。 您提供的模型称为随机拦截模型，在您的情况下，它将为数据中的每个区域估计一个随机拦截。

对于缩放问题，我建议在重新缩放之前road.dist您的pond.dist和road.dist居中。 没有数据样本很难，但是我相信以下代码可以工作（使用tidyverse函数）来居中变量。 如果您使用中心池塘距离和道路距离重新运行模型，但仍然收到缩放问题，以我的经验，可以将变量值除以一个常数就可以消除缩放问题。 如果您这样做，只需了解解释的变化即可。

Amphibians %>% group_by(Area) %>% mutate(pond.dist_c = pond.dist - mean(pond.dist), road.dist_c = road.dist - mean(road.dist))

以区域为中心时，这些效果的解释将有所变化。 对于池塘距离，您可以将其解释为两栖动物目击几率的估计增加，这与池塘距离相对于某个区域的平均池塘距离的增加有关 。

如果需要，还可以在模型中指定随机效果。 可以通过在随机效果语法中添加随Area变化的任何变量来完成。 例如， (1 + pond.dist | Area) 。 这将允许模型估计每个区域的池塘距离的独特影响。