Успех гнездования (бином GLM-модели) в г

Question

Я бегу с использованием GLM-модели glmer() в R:

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

где выживание является 0 или 1 в зависимости, если гнездо было успешным или нет. Here вы можете увидеть, что выглядит данные, как:

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") 

, но я получаю следующее предупреждение:

*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?* 

мне сказали, что я не должен использовать тот же случайный фактор, как фиксированный эффект на одной и той же модели ,

В конце я хотел бы иметь выход, где я могу видеть год, сайт и год взаимодействия: эффекты сайта. ? Как в таблице дисперсионного анализа (как это возможно, я пытался использовать summary(aov(model)), но это не работает, anova(model) не как

Я получаю эту ошибку для команды aov():

*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* 

. Как я могу увидеть влияние этих переменных на выживаемость?

Answer 1

Кто бы ни говорил вам не использовать категориальную входную переменную (fyear), так как фиксированный и случайный эффект был прав. Трудно точно знать, что рекомендовать, это зависит от количества лет и сайтов, которые у вас есть в вашем наборе данных (это данные, которые вы l подписано на все ваших данных (надеюсь, нет) или только первые несколько строк? Сколько лет и сколько мест и сколько общих наблюдений у вас есть?)

Если вы хотите рассматривать год как случайный, а сайт фиксированный (что было бы разумно, если у вас было только два сайта (N против S как видно в ваших данных) и уже несколько лет, например, более чем на 5), то вы могли бы соответствовать:

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

Я не знаю, что site против site.x являются: Я вижу только site.x в ваших данных фрагмент кода.

Для получения информации, попробуйте использовать summary(g1). (Это даст вам только отклонения от случайных эффектов, а не для фиксированных эффектов; GLMM не работают в том же «режиме с объяснением дисперсии», что и ANOVA, в частности потому, что отклонения, объясняемые разными терминами, обычно делают не. общая дисперсия.)