Как сделать квадрат r для отрицательной биномиальной смешанной модели glmmTMB с нулевой инфляцией в r

Question

Я создал отрицательную биномиальную модель с нулевым раздувом с помощью glmTMB, как показано ниже

M2<- glmmTMB(psychological100~ (1|ID) + time*MNM01, data=mnmlong,
                      ziformula=~ (1|ID) + time*MNM01, family=nbinom2())

summary(M2)

Вот вывод

 Family: nbinom2  ( log )
Formula:          psychological100 ~ (1 | ID) + time * MNM01
Zero inflation:                    ~(1 | ID) + time * MNM01
Data: mnmlong



AIC      BIC   logLik deviance df.resid 
  3507.0   3557.5  -1742.5   3485.0      714 

Random effects:

Conditional model:
 Groups Name        Variance Std.Dev.
 ID     (Intercept) 0.2862   0.535   
Number of obs: 725, groups:  ID, 337

Zero-inflation model:
 Groups Name        Variance Std.Dev.
 ID     (Intercept) 0.5403   0.7351  
Number of obs: 725, groups:  ID, 337

Overdispersion parameter for nbinom2 family (): 3.14 

Conditional model:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  2.89772    0.09213  31.451  < 2e-16 ***
time        -0.08724    0.01796  -4.858 1.18e-06 ***
MNM01        0.02094    0.12433   0.168    0.866    
time:MNM01  -0.01193    0.02420  -0.493    0.622    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Zero-inflation model:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -0.29940    0.17298  -1.731 0.083478 .  
time         0.12204    0.03338   3.656 0.000256 ***
MNM01        0.06771    0.24217   0.280 0.779790    
time:MNM01  -0.02821    0.04462  -0.632 0.527282    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Я хотел знать квадрат R модели и попробовал следующие 2 метода, но не успешные

MuMIn::r.squaredGLMM(M2)

Ошибка в r.squaredGLMM.glmmTMB (M2): r.squaredGLMM не может (пока) обрабатывать объект 'glmmTMB' с нулевой инфляцией

performance::r2_zeroinflated(M2)

Ошибка в residuals.glmmTMB (модель, тип = "Pearson"): остатки Пирсона не применяются для моделей с нулевой инфляцией или переменной дисперсией

что вы мне советуете?

Answer 1

Попробуйте с псевдо-R ^ 2 на основе отношения правдоподобия (MuMIn::r.squaredLR). Возможно, вам придется явно указать нулевую модель для сравнения.