glmm.hp包升级了,实现对模型的解释变量按组分解R2的功能

文摘   2024-12-11 22:01   甘肃  
glmm.hp包是我们前年开发的R包,基于我们2022年在MEE文章中提出来“平均共享方差”理论,将普通多元回归(lm)、广义线性模型(glm)、混合效应模型(lmm)和广义混合效应模型(glmm)中总R2,分配给具有共线性的解释变量,从而解决了评估共线性解释变量相对重要性的难题。目前,此程序包已经被广泛应用于科学研究数据分析当中。
最近,有一个老师微信我说,glmm.hp无法跟phylolm.hp包一样对解释变量进行分组,以获得不同变量组的解释率。我最近花了时间更新包,终于实现对glmm.hp所涵盖的模型进行解释变量分组运算,这一功能大大便利了生态学研究中复杂问题的解答,例如可以明确气候因子组、土壤因子组、空间因子组等对响应变量的相对解释率。目前尚未发现其他程序包能够实现类似的回归解释率分组分解。这种分组结果并非简单地将每个变量的单独R2进行相加,因为组间的共线性与单个变量之间的共线性是两码事。组的R2并不能通过单个变量R2 的简单叠加得出,请大家应该认识到这个不同,也参考我科学网博客(https://blog.sciencenet.cn/blog-267448-1418847.html)。现在最新的glmm.hp包已经上传至CRAN,在glmm.hp的帮助文档中有分组的案例代码供参考。欢迎大家在线更新glmm.hp包,用它来量化你们的模型解释变量(组)相对重要性。

使用glmm.hp请别忘了引用如下两篇文献:
  1. .Jiangshan Lai*, Weijie Zhu, Dongfang Cui, LingfengMao. 2023. Extension of the glmm.hp Package to Zero-Inflated Generalized Linear Mixed Models and Multiple Regression 16(6):doi:10.1093/jpe/rtad038

  2. Jiangshan Lai*, Yi Zou, Shuang Zhang, Xiaoguang Zhang, LingfengMao.2022. glmm.hp: an R package for computing individual effect of predictors in generalized linear mixed models. Journal of Plant Ecology 15(6):1302-1307


目前HP系列包已经有4个,欢迎大家使用:


麦当的生态学笔记
用于文献信息解读和分享,统计分析相关方法的传递。
 最新文章