与零膨胀 glmmTMB 对比

Question

我正在运行一个零膨胀glmmTMB模型。我有兴趣在条件成分和零通胀成分的不同因子水平之间进行成对比较。有条件的部分，我可以用通常的emmeans方法轻松完成。我一直在尝试使用（相对）新创建的glmmTMB:::emm_basis.glmmTMB，但无法弄清楚该函数采用的一些参数，也找不到示例......

这是我目前所处位置的一个玩具示例。我专门poly()向模型添加了一个组件 - 我的完整模型同时具有poly()和ns()，因此需要弄清楚它们在这里是如何工作的。

所以问题如下：1）我trms提供的论点是否正确？2）函数需要什么参数xlev和grid参数emm_basis.glmmTMB？

library(glmmTMB)

data(Salamanders)
mod <- glmmTMB(count ~ spp + mined + poly(cover, 2) + (1|site), zi=~spp + mined, Salamanders, 
   family=nbinom2)

tt <- y ~ spp + mined + poly(cover, 2)
tt <- delete.response(terms(tt))

glmmTMB:::emm_basis.glmmTMB(mod,  trms = tt)

非常感谢您的任何想法！

Answer 1

函数emm_basis()和是emmeansrecover_data()包的支持函数，具有许多不同模型类的方法，包括. 这些函数并不意味着由用户调用——这就是为什么它们被注册为方法而不是被导出的原因。glmmTMB

相反，只需调用emmeansemmeans()包中的或其他函数，这些方法将根据需要使用。

对于对象，调用中可能包含glmmTMB一个可选参数。在你的例子中：componentemmeans()

> emmeans(mod, ~spp, component = "cond")
 spp   emmean    SE  df lower.CL upper.CL
 GP     0.440 0.225 624 -0.00146    0.881
 PR    -0.382 0.483 624 -1.32983    0.566
 DM     0.596 0.203 624  0.19723    0.994
 EC-A   0.145 0.327 624 -0.49699    0.787
 EC-L   0.991 0.231 624  0.53814    1.445
 DES-L  1.009 0.188 624  0.64015    1.379
 DF     0.332 0.217 624 -0.09448    0.758

Results are averaged over the levels of: mined 
Results are given on the log (not the response) scale. 
Confidence level used: 0.95 

（我们实际上不需要包含component，因为默认值为cond。）这些结果采用对数刻度，这是由于nbinom2用于拟合模型条件部分的系列的结果。您可以通过指定以下内容在响应量表上查看这些结果type：

> emmeans(mod, ~spp, type = "response")
 spp   response    SE  df lower.CL upper.CL
 GP       1.553 0.349 624    0.999     2.41
 PR       0.682 0.329 624    0.265     1.76
 DM       1.814 0.368 624    1.218     2.70
 EC-A     1.156 0.378 624    0.608     2.20
 EC-L     2.695 0.622 624    1.713     4.24
 DES-L    2.744 0.516 624    1.897     3.97
 DF       1.394 0.303 624    0.910     2.13

Results are averaged over the levels of: mined 
Confidence level used: 0.95 
Intervals are back-transformed from the log scale

您可以通过以下方式查看模型的零膨胀部分compoenent = "zi"：

> emmeans(mod, ~spp, component = "zi", type = "response")
 spp   response     SE  df lower.CL upper.CL
 GP       0.455 0.1064 624   0.2646    0.660
 PR       0.763 0.1406 624   0.4115    0.937
 DM       0.273 0.1128 624   0.1097    0.534
 EC-A     0.719 0.1020 624   0.4870    0.873
 EC-L     0.365 0.1085 624   0.1864    0.590
 DES-L    0.278 0.0989 624   0.1275    0.503
 DF       0.132 0.1150 624   0.0207    0.522

Results are averaged over the levels of: mined 
Confidence level used: 0.95 
Intervals are back-transformed from the logit scale

目前，似乎无法估计实际的平均响应 (1 - zi)*(condmean)；这很有用，但相当混乱，因为它需要组合两个组件。