分段 SEM 中的零膨脹模型

Question

我分析了野外實驗中的蜜蜂觀察結果，我想應用 SEM。 分段 sem (psem) 似乎最合適。 我的問題是，由於對零蜜蜂的許多觀察，我的數據高度零膨脹。 到目前為止，我在分析中使用了 glmmTMB 和 nbinom2-distribution，效果很好。 不幸的是，glmmTMB 和 nbinom2 沒有在 psem 中實現，我現在不知道是否以及如何將 psem 應用於我的數據。

通過分段 sem，我想研究處理（花帶、樹籬……）對花豐度（由於數量變化很大，我想對其進行對數轉換）和植物物種豐富度的影響，最后通過考慮月份和年份來計算蜜蜂的數量。 通過這種方式，我想量化植被變量的貢獻和處理的直接影響，並希望找到一個指示，說明處理是否在其他屬性上也有所不同，而不僅僅是花卉豐度和植物物種豐富度。

psem 模型包括幾個用於處理（FF、HC、HI）和觀察月份的虛擬變量。 w_b_abu 表示蜜蜂的豐富度，pl_abu 表示花朵的豐富度（pl_abu_ln = log-tranformed），pl_sr 表示植物物種的豐富度。

我的代碼如下：

w_b_abu_sem <- psem(
  glmer(w_b_abu  ~ FF + HC + HI + pl_abu_ln + pl_sr + april + may + june + july + august + september + years + (1|site), dat_treat_habitat, family = "poisson"),
  lmer(pl_abu_ln  ~ FF + HC + HI + april + may + june + july + august + september  + years +  (1|site),  dat_treat_habitat),
  glmer(pl_sr  ~ FF + HC + HI + pl_abu_ln + april + may + june + july + august + september  + years + >  (1|site), dat_treat_habitat, family = "poisson"),
  dat_treat_habitat)

然而，此 SEM 未能收斂於“模型未能收斂於 max|grad| =...”（因為子模型 1 和 3）。 無論如何，泊松誤差分布並不真正適合數據。 我在前面的分析中使用了“nbinom2”，它工作得更好，但沒有在 psem 中實現。 子模型 1 是高度零膨脹的（通過 Dharma 測試）。

我的問題是，是否有可能在 psem 中包含具有 nbinom2 分布的零膨脹模型。

如果沒有，您是否有其他想法如何將 psem 應用於我的數據？ 我的一個想法是轉換變量，使它們呈正態分布。 這樣合適嗎？ 如果是這樣，哪種轉型方式最好？

為了嘗試 psem，我縮放了響應，以便它們“正態分布”（它們確實不是）。 這個 psem 版本有效，但我擔心它違反了幾個統計假設：

w_b_abu_sem <- psem(
  lmer(w_b_abu_scaled  ~ FF + HC + HI + pl_abu_ln + pl_sr_scaled + april + may + june + july + august + september + years + (1|site), dat_treat_habitat),
  lmer(pl_abu_ln  ~ FF + HC + HI + april + may + june + july + august + september  + years +  (1|site), dat_treat_habitat),
  lmer(pl_sr_scaled  ~ FF + HC + HI + pl_abu_ln + april + may + june + july + august + september  + years + (1|site), dat_treat_habitat),
  dat_treat_habitat)

這是我的 data.table 的負責人：

  w_b_abu pl_abu pl_abu_ln pl_sr FF HC HI april may june july august september years
1       0    730  6.593045     2  0  1  0     1   0    0    0      0         0     0
2       3     51  3.931826     4  0  1  0     1   0    0    0      0         0     0
3       3     41  3.713572     3  0  1  0     1   0    0    0      0         0     0
4       0     43  3.761200     4  0  1  0     1   0    0    0      0         0     0
5       4    126  4.836282     3  0  1  0     0   1    0    0      0         0     0
6       0      0  0.000000     0  0  1  0     0   0    1    0      0         0     0

我非常感謝您的幫助——非常感謝您。 這是我第一次在這里提問，我希望我不會錯過任何東西。 如有必要，我還可以上傳完整的數據集。

Answer 1

我在沒有 glmmTMB 的情況下運行了 model。 它以這種方式工作（沒有零通貨膨脹）：

w_b_abu_sem <- psem( glmer.nb(w_b_abu ~ FF + HC + HI + pl_abu_ln + pl_sr + april + may + june + july + august + september + years + (1|site), dat_treat_habitat, control=glmerControl(optimizer="bobyqa"), nAGQ=0), lmer(pl_abu_ln ~ FF + HC + HI + april + may + june + july + august + september + years + (1|site), dat_treat_habitat), glmer(pl_sr ~ FF + HC + HI + pl_abu_ln + april + may + june + july + august + september + years + (1|site), dat_treat_habitat, family = "poisson", control=glmerControl(optimizer="bobyqa"), nAGQ=0), dat_treat_habitat)