Мы провели полевое исследование, в котором мы попытались понять, какие факторы в значительной степени объясняют вероятность того, что группа животных (всего 5 видов) пересечет через 30 сооружений, пересекающих дикую природу. Переменная ответа является биномиальной (да = скрещенная; нет = не скрещенная) и была зарегистрирована по видам животных Мы сделали около 30 посещений каждой структуры скрещивания (наш случайный фактор), в которой мы записали биномиальный ответ каждого вида животных и значения нескольких предикторов.
Итак, у меня есть эта (упрощенная для лучшего понимания) модель смешанных эффектов: library (lme4)
Mymodel <- glmer (cross.01 ~ stream.01 + width.m + grass.per + (1 | structure.id),
данные = Мидата, семейство = биномиальное) </p>
поток - это фактор с 2 уровнями; width.m непрерывен; grass.per это процент
Это модель, в которой я оценивал скрещивания по всем видам вместе взятых (т.е. скрещивание. 01 = 1, когда скрещивалось животное любого вида, скрещивание 01 = 0, когда скрещивание не происходило). Тем не менее, мы сделали одну модель для каждого вида, и эти видоспецифичные модели подчеркивают, что разные виды демонстрируют различную связь между скрещиванием и объясняющими переменными.
Моя проблема: это означает, что моя модель, представленная выше, страдает от дополнительного источника вариаций, связанных с уровнем вида, без учета этого. Однако я не могу откалибровать вышеупомянутую модель, добавив уровень вида в качестве случайного фактора, потому что в моем биномиальном ответе ноль означает, что ни один вид не пересечен (все нули имели бы «NA» или, скажем, «нет» для вида) и, таким образом, дополнительный источник вариации присутствуют только тогда, когда ответ был 1. Просто, чтобы подтвердить это, я добавил виды в качестве случайного фактора:
(1 | structure.id) + (1 | разновидность)
Как и ожидалось, сообщение «Ошибка: ответ постоянный»
Как я могу объяснить изменчивость вида в моей модели в lme4?