GLMM中的伽马分布

Question

我试图在R中创建一个GLMM，我想了解蝙蝠的出现时间如何取决于不同的因素。在这里，我把各自蝙蝠的离开和当天日落之间的时间差作为因变量(公制)。作为固定因素，我想包括不同的天气数据(公制)以及蝙蝠的繁殖状态(分类)。此外，还有应答器号码(个人识别码)作为排除蝙蝠之间个体间差异的随机因素。

我最初是用线性混合模型(package lme4)在R上工作的，但是残差的QQ图与正态分布有很大的偏差。另外，数据的直方图表示伽马分布。因此，我实现了一个具有伽玛分布的GLMM。下面是一个有一个天气参数的例子：

model <- glmer(formula = difference_in_min ~ repro + precipitation + (1+repro|transponder number), data = trip, control=ctrl, family=gamma(link = log))

但是，由于QQ图没有这样的变化，我看了DHARMa包的剩余诊断。但是分布假设似乎仍然不正确，因为QQ图中的数据也有很大的偏差。DHARMa的残差诊断

但是，如果数据也不对应于伽马分布，还有什么替代办法呢？也许问题就在别的地方。

有人知道错误在哪里吗？

Answer 1

但是，如果数据也不对应于伽马分布，还有什么替代办法呢？

• 另一种选择称为对数正态分布(分布)。

高斯(或正态分布)分布通常用于正态分布在零左右的数据，这听起来似乎没有。但对数正态分布不具有相同的要求。按照您以前的代码，您可以这样对它进行拟合：

model <- glmer(formula = log(difference_in_min) ~ repro + precipitation + (1+repro|transponder number), data = trip, control=ctrl, family=gaussian(link = identity))

或者，您可以直接调用glmer而不需要指定发行版(它可能会告诉您在警告消息中这样做)，而不是直接调用lmer：

model <- lmer(formula = log(difference_in_min) ~ repro + precipitation + (1+repro|transponder number), data = trip, control=ctrl)