Я имею дело с очень сложным в работе набором данных: плотность личинок рыб.Это полунепрерывные данные с 90% нулей и асимметричным распределением, с очень немногими очень большими значениями.Я хотел бы, например, сделать некоторые прогнозы об особенностях окружающей среды и плотности личинок.Я пытаюсь использовать модель из двух частей ( GLMMadaptive для полунепрерывных данных), family = hurdle.lognormal().
Но команда summary не работает с моделями, оснащенными mixed_model(), family = hurdle.lognormal().Итак, я не знаю, как получить стандартные ошибки, p-значения и доверительные интервалы для моих предикторов.
Другой вопрос связан с добротностью соответствия для остатков.Как я могу его найти?
Кроме того, я пытался установить нулевую модель без фиксированных эффектов, ища значимость модели, но не смог ее исправить, потому что она дает мне следующее сообщение:
Ошибка в .subset2 (x, i, точный = точный): индекс за пределами границ
Nullmodel <- mixed_model(fixed = Dprochilodus ~ 1, random = ~ 1|periodo, data = OeL_final, family = hurdle.lognormal(), max_coef_value = 30)
mymodel <- mixed_model(fixed = Dprochilodus ~ ponto+Dif_his.y+temp, random = ~ 1 | periodo, data = OeL_final, family = hurdle.lognormal(), n_phis = 1, zi_fixed = ~ ponto, max_coef_value = 30)
Результаты моей модели:
Call: mixed_model(fixed = logDprochilodus ~ ponto + Dif_his.y + temp,
random = ~1 | periodo, data = OeL_final, family = hurdle.lognormal(),
zi_fixed = ~ponto, n_phis = 1, max_coef_value = 30)
Model: family: hurdle log-normal link: identity
Random effects covariance matrix:
StdDev (Intercept) 0.05366623
Fixed effects: (Intercept) pontoIR pontoITA pontoJEQ pontoTB Dif_his.y temp
3.781147e-01 -1.161167e-09 3.660306e-01 -1.273341e+00 -5.834588e-01 1.374241e+00 -4.010771e-02
Zero-part coefficients: (Intercept) pontoIR pontoITA pontoJEQ pontoTB
1.4522523 21.3761790 3.3013379 1.1504374 0.2031707
Residual std. dev.:
1.240212
log-Lik: -216.3266
Кто-нибудь работал с такой моделью?Я действительно ценю любую помощь!