我分析了野外实验中蜜蜂的观察结果,我想应用SEM。分段扫描电镜(psem(似乎最合适。我的问题是,我的数据是高度零膨胀的,因为许多观测都是零蜜蜂。到目前为止,我在分析中使用了glmmTMB和nbinom2分布,效果非常好。不幸的是,glmmTMB和nbinom2没有在psem中实现,我现在不知道是否以及如何将psem应用于我的数据。
通过分段扫描电镜,我想通过考虑月份和年份,研究处理(即花带、绿篱…(对花朵丰度(由于数量变化很大,我想对其进行对数转换(和植物物种丰富度的影响,最后对蜜蜂丰度的影响。通过这种方式,我想量化植被变量的贡献和处理的直接影响,并希望找到一个迹象,表明处理是否在其他特性上也有所不同,而不仅仅是花朵丰度和植物物种丰富度。
psem模型包括治疗(FF、HC、HI(和观察月份的几个虚拟变量。w_babu表示蜜蜂的丰富度,pl_abu表示花朵的丰富度(pl_abu_ln=log transformed(,pl_sr表示植物物种的丰富度。
我的代码如下:
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,该SEM未能收敛到"模型未能收敛到max|grad|=…"(因为子模型1和3(。无论如何,泊松误差分布并不真正符合数据。我在之前的分析中使用了"nbinom2",效果要好得多,但没有在psem中实现。子模型1是高度零膨胀的(用Dharma测试(。
我的问题是,是否有可能在psem中包含具有nbinom2分布的零膨胀模型
如果没有,你对我如何在数据上应用psem有其他想法吗?我的一个想法是转换变量,使它们正态分布。这样合适吗?如果是这样的话,哪种转型方式是最好的
为了尝试psem,我对响应进行了缩放,使它们"正态分布"(事实并非如此(。这个psem版本有效,但我担心它违反了几个统计假设:
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)
这是我的数据表的标题:
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
我真的很感激你的帮助——提前非常感谢你!这是我第一次在这里问问题,我希望我不会错过什么。如果需要,我也可以上传完整的数据集。
我让模型在没有glmmTMB的情况下运行。它是这样工作的(没有零通货膨胀(:
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)