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。5月14日，西交利物浦大学的邹怡博士给我发了信息说，同样的数据（数据中带有空值NA），用glmm.hp和hier.part分解lm模型，得到的结果不一样。后来经过我仔细排查后，原因是原始数据没有被用于模型构造的变量如果带NA，glmm.hp原先设计会将这些带有NA的先行剔除，这么设计是因为glmm.hp是直接从模型对象提取原始数据，而不是跟hier.part一样直接输入所需的数据列，所以glmm.hp就没考虑非应用列带有NA的情况。通过一番修改后，解决这个bug, 也及时更新包，欢迎大家及时更新包。近期，hier.part包由于没更新，在R3.5之后就不能使用了，欢迎大家使用glmm.hp来代替hier.part包，而且glmm.hp能分解原始R2和校正R2，这是比hier.part, relaimpo和 dominanceanalysis等包更优势的地方，这些包仅仅分解原始R2。 另外，使用glmm.hp请别忘了引用如下两篇文献：1.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
2.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
