各种回归模型，用于生态学数据分析，文中实例超级实用，值得拥有。

sdmTMB 带有TMB的时空GLMM sdmTMB是一个R包，它使用模板模型构建器（ ）， 和高斯马尔可夫随机字段来实现空间和时空的预测过程GLMM（广义线性混合效应模型）。 一种常见的应用是物种分布模型（SDM）。 安装 假设您已安装，则可以安装sdmTMB： # install.packages("remotes") install.packages( " Matrix " , type = " source " ) remotes :: install_github( " kaskr/adcomp/TMB " ) remotes :: install_github( " pbs-assess/sdmTMB " ) 功能性 sdmTMB： 将具有空间，时空，空间和时空或AR1时空高斯马尔可夫随机字段的MMMM与TMB拟合。 它也可以适应随时间变化的局部变化趋势，作为一个随机

R中的广义线性混合模型教程 该存储库包含（相对）简短的教程，介绍使用R拟合和比较模型的广义线性混合模型（GLMM）。 本教程的一般内容是由Richard McElreath出色的统计学课程“ Statistical Rethinking”启发而来的。 有关该材料的最新信息，可以在理查德的找到。 特别是，我编写此脚本时借鉴了课程期末考试中出现的一系列问题。 这些练习对我来说尤其具有启发性，因为它们说明包含随机效应（又称变化效应）不仅可以改变相对模型排名，而且还强调，添加随机效应可以极大地改变我们对固定效应的估计（即，通常情况下，关心我们的模型中的大多数）。 本教程使用R软件包lme4 ， AICcmodavg和rethinking 。 赤池的信息准则（AIC）用于比较拟合模型。 储存库内容 glmm_tutorial_script.R文件包含我的代码和教程注释 glmm_tutorial_d

R中的广义线性混合效应建模 这个为期两天的研讨会将重点介绍使用R编程语言的广义线性混合效应模型（GLMM；分层/多级模型）。 我们将专注于GLMM的实际元素，例如选择建模方法，建立和理解模型的过程，模型检查以及绘制和解释模型输出。 我们将主要关注线性混合效应模型，但还将涵盖广义线性混合效应模型，方差和相关结构以及零膨胀模型。 在为期两天的研讨会结束之前，您将能够使用自己的数据来开发模型并解决该过程中出现的主要问题。 您还将熟悉许多适合GLMM的R软件包（例如lme4，nlme，glmmTMB）和R软件包，以帮助操纵和绘制数据和模型（例如dplyr，ggplot2，broom）。 在参加此研讨会之前，您应该对R和线性回归有一定的了解，并且理想地具有一些GLM经验（例如逻辑回归）。 使用dplyr和ggplot2的一些背景会有所帮助。 下载这些说明/练习 单击“克隆或下载”，“下载ZIP

广义线性混合效应模型的R平方 此函数已被完全重写，并作为sem.model.fits包含在逐段sem.model.fits软件包中。 在此处查看更新： ： 描述： Schielzeth和Nakagawa的R2在R中用于广义线性混合效果模型的实现。此功能通过为GLMER合并不同的链接函数并返回其他有用信息（例如模型规格）和其他功能，对MuMIn包中的r.squaredGLMM函数进行了改进。符合AIC值形式的标准。 有关更多信息，请参见： Nakagawa, Shinichi, and Holger Schielzeth. "A general and simple method for obtaining R2 from generalized linear mixed‐effects models." Methods in Ecology and Evolution 4.2

DHARMa - 层次模型的残差诊断 “DHARMa”包使用基于模拟的方法为拟合（广义）线性混合模型创建易于解释的缩放（分位数）残差。 当前支持的是来自“lme4”（类“lmerMod”、“glmerMod”）、“glmmTMB”、“GLMMadaptive”和“spaMM”的线性和广义线性（混合）模型、广义加法模型（来自“mgcv”的“gam”）， 'glm'（包括来自 'MASS' 的 'negbin'，但不包括准分布）和 'lm' 模型类。 此外，也可以处理外部创建的模拟，例如来自诸如“JAGS”、“STAN”或“BUGS”之类的贝叶斯软件的后验预测模拟。 所得残差被标准化为 0 到 1 之间的值，并且可以直观地解释为线性回归的残差。 该软件包还为典型的模型错误指定问题提供了许多绘图和测试函数，例如过度/不足分散、零膨胀以及残余空间和时间自相关。 获得 DHARMa 从克兰 DHAR

软阈值matlab代码格莱姆 该工具箱包含用于MATLAB的多个脚本和函数，以使用广义线性混合模型（GLMM）取消混合高光谱数据。 该代码是在Lucas Drumetz及其同事提供的ELMM代码的基础上构建的。 只要复制此处提供的版权，就可以出于非商业目的使用和重新分发此代码。 作者：Tales Imbiriba。 日期：2018年4月。 参考号： [1] Imbiriba，T.，Borsoi，RA，Bermudez，JCM（2018）。 考虑端成员变异性的广义线性混合模型。 2018年IEEE声学，语音和信号处理国际会议（ICASSP）。 内容包括： GLMM_ADMM.m：执行与GLMM的混合的功能 GLMM_RealData.m：在实际的高光谱数据集上使用该函数的示例 real_data_1.mat：使用的实际数据集（DFC 2013数据的裁剪） endmembers_houston.mat：演示中使用的参考端成员矩阵 FCLSU.m：执行标准完全约束的最小二乘分解的函数。 CLSU.m：执行标准部分约束的最小二乘分解的函数。 SCLSU.m：执行CLSU缩放版本的函数，该版本遵

用genmod过程和glimmix过程做tweedie模拟的代码