Encontrar GLMMs que se ajusten a mis datos de conteo para múltiples conjuntos de datos

Question

Necesito un poco de ayuda para encontrar un modelo que se ajusta a mis datos.

Estoy usando GLMM para probar el efecto del nivel de nitrógeno (numérico), especies (dos niveles por factor), y la interacción entre estas dos variables, el número de nódulos por planta (número de datos). Mi efecto aleatorio es de bloque.

(Edit: Cada planta en su maceta, y recibió uno de los seis niveles de N. El bloque es sólo azar posición asignada en el invernadero. Cada bloque contenía un representante de cada combinación de tratamiento (24 plantas por bloque, a 15 cuadras). Esperamos que haya un aumento inicial en el número de nódulos con nitrógeno, pero una disminución en los niveles superiores.)

Tengo 5 conjuntos de datos, y hasta ahora me he encontrado con que dos de ellos, una distribución de Poisson con una raíz cuadrada función de enlace en lme4 se ajusta razonablemente bien, pero no a la perfección (los residuos vs equipada parcelas de aspecto raro). Para mi otros conjuntos de datos, sin embargo, esto no se ajusta bien a todos.

Este es el código que estoy usando:

lme4::glmer(Nodules ~ N.Level + Species + N.Level:Species + (1 | Block), 
            family = poisson(link = sqrt), nAGQ = 0, data = X)

He tratado de distribuciones de Poisson y binomial negativa distribuciones, con y sin el cero de la inflación, y otros paquetes como glmmTMB, pero nada parece encajar. No quiero transformar mi nódulo datos de conteo, pero he tratado de registro transforma para mi numéricos $N$ variable de nivel, que parece que funciona, pero no hace mucha diferencia.

¿Alguien tiene alguna idea de lo que debo hacer a continuación?

Answer 1

Un par de puntos:

• Es mejor ajuste del modelo a través de la adaptación de la cuadratura de Gauss con un número suficiente de puntos de cuadratura, por ejemplo, 10 o 15. Esto proporcionaría una mejor aproximación de la log-verosimilitud del modelo. También podría darles una oportunidad en el GLMMadaptive paquete que también puede ajustar aleatoria de pistas con la adaptación de la cuadratura de Gauss.
• Desde su descripción, parece que la variable N.Level tiene un efecto no lineal en el registro de espera cuenta. Usted podría dar cuenta de que el uso de splines o polinomios (los primeros son preferentemente). Por ejemplo, usted podría cargar primero el de las estrías del paquete, y el definir su fórmula como Nodules ~ ns(N.Level, 3) * Species + (1 | Block).