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。“赖老师，为什么您那篇对glmm.hp零膨胀拓展的文章里针对glmm模型案例的代码，即第一个代码。我原封不动地放到R里跑只能跑出m1，也就是生成广义线性混合零膨胀模型是没有问题的，没有后面括号里的（m2＜-glmm.hp(m1），这个代码是跑不出来的，报错是没有“site”这个predictor”我立马检查代码，发现是5月份为了解决带NA的问题，结果对于lm和glm分析只保留模型使用的列进行分析。结果忘了考虑到glmmTMB的随机效应的事情。现在已经修改这个bug并在CRAN上更新包。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
正如下面引用就是正确的范例：
![]()
