我使用在R包“lme4”中使用glmer的Poisson广义混合模型来为一种鸟类建模丰度 . 我的数据的一个例子：
abund point_id patch_area vis_per_year year
6 EL_03Plot035 244.69412 C_5 2003
0 RC_BBSM08 101.68909 C_2 2004
0 RP_211021_HSH088 1348.89935 C_3 2011
0 RC_LRSM04 111.74057 C_4 2008
0 RP_225155_p5 1.34007 C_3 2012
0 HO_YORUP105 141.66933 C_3 1998
1 RC_SPSM07 179.16088 C_2 2006
0 BH_MB12_bmh42 16937.30694 <NA> 2002
1 RC_MOSM11 104.43196 C_4 2012
1 RC_YOSM06 141.66933 C_4 2010
0 RP_244006_HMD366 27778.83482 C_3 2012
0 RP_247155_p5 7688.64751 C_3 2012
0 EL_08Plot127 NA C_5 2008
2 HO_LITRR10 160.81729 C_4 1997
0 RC_BPSM07 38.23207 C_4 2009
0 HO_HARRIV5 10.46441 C_3 1999
1 RC_SPSM16 179.16088 C_4 2009
0 RC_YOSM01 141.66933 C_3 2002
0 RP_222799_HSH360 14.94866 C_3 2012
1 RC_WESM33 381.19813 C_2 2006
0 RP_209841_HSH017 2269.11227 C_3 2011
0 RC_LRSM03 111.74057 C_3 2001
0 RP_26718_HHO097 26.95666 C_3 2012
0 RP_236935_p14 7979.05373 C_3 2012
0 BD_miles_medium_2 NA C_2 2003
“丰度”是每年在该点检测到的最大鸟数的计数数据，“point_id”是测量点的名称，“patch_area”是该点所在的栖息地补丁的区域，vis_per_year是有序的因子观察水平协变量表示一年中一个点的访问次数，“年”表示观察年份 . 除少数例外情况外，每年每个点只有一个丰度计数（行） .
我的型号规格是：
model=glmer(abund ~ scale(year) + (1|vis_per_year) + (1|patchid/point_id), family = poisson, data)
到目前为止，对于诊断我已经使用包“aods3”中的gof检查了我的模型过度离散，检查了随机效果的QQ图，并将包含我固定效果的模型（我只有一个）与只有使用来自“lmerTest”的anova命令的随机效果结构 . 该模型略微不足，并且使用AIC或anova标准排名高于空模型 .
我现在正试图为我的最终模型计算R ^ 2 . 我阅读了https://ecologyforacrowdedplanet.wordpress.com/2013/02/26/r-squared-for-mixed-models/的博客文章以及随后的帖子更新以及相关的手稿，并安装了MuMIn包用于计算边际和条件R ^ 2 . 但是，当我尝试使用r.squared.GLMM（Model）时，抛出以下错误：
Error in glmer(formula = SALS ~ scale(year) + (1 | vis_per_year) + (1 | :
fitting model with the observation-level random effect term failed. Add the term manually
另外：警告信息：
In t(mm[!is.na(ff), ]) :
error in evaluating the argument 'x' in selecting a method for function 't': Error in mm[!is.na(ff), ] : (subscript) logical subscript too long
为了隔离错误的来源，我尝试在没有point_id和visit_per年的情况下运行模型，但是如果没有包含这些协变量，则会抛出相同的错误 . 这个错误究竟意味着什么 - 如何手动将观察项添加到模型中？我已经阅读了MuMIn的文档，但我不知道1）确切的错误意味着什么，以及2）如何解决它 . 任何帮助深表感谢 . 我不认为我可以在不提供整个数据集的情况下生成可重现的示例，但是知道此错误的确切含义将有助于我的工作 .
Update:
在错误消息的建议和一些解释（谢谢堆栈溢出！）我手动将我的个人级效果包含在模型中 . 现在我得到一个不同的错误：
Warning message:
In r.squaredGLMM.merMod(model) :
exp(beta0) of 0.2 is too close to zero, estimate may be unreliable
这是否意味着我的固定效果的预期Beta太接近于零？
2 回答
该错误意味着在将单个级别的随机效果添加到原始模型后（参见Nakagawa & Schielzeth 2013 paper），
glmer发出错误（已转换为警告消息） . 您应该手动将此术语添加到模型中 . 它的形式为(1 | IND)，其中IND是因子变量，每次观察一级（例如factor(1:nrow(data))） .然而，在包括该术语之后，模型将不会收敛（并且似乎是这种情况）可能会发生 .
我有同样的问题与相同的错误消息 . 删除NA值后，它对我来说效果很好 . 对于NA值，glmer是可以的，但r.squaredGLMM似乎有问题 .