У меня есть набор данных как с числовыми, так и с категориальными переменными, которые я хотел бы включить в обобщенную смешанную модель. Когда я это делаю, результат условной модели всегда забывает одну категорию.
Например, в этой модели я включаю долю бдительности к общему времени, обнаруженному на видео, в качестве переменной ответа и в качестве независимых переменных: интенсивность мочи (числовое), лечение (0 для отсутствия мочи, 1 для мочи), diel_period (рассвет , сумерки, ночь, день), пол (мужской, женский, неопределенный), высота (деревьев, числовое). И мои 50 камер как эффект случайной группировки (от 1 до 50).
bBI_mod8 <- glmmTMB(cbind(vigilance, total_time_behaviour - vigilance) ~
urine_intensity_heatmap + treatment + diel_period + sex + height + (1|camera),
ziformula = ~1, data = df_behaviour, family = "betabinomial")
Пропорция бдительности соответствует бета-биномиальной регрессии с нулевым завышением.
summary(bBI_mod8)
Когда я показываю вывод, я наблюдаю:
Family: betabinomial ( logit )
Formula: cbind(vigilance, total_time_behaviour - vigilance) ~ urine_intensity_heatmap +
treatment + diel_period + sex + height + (1 | camera)
Zero inflation: ~1
Data: df_behaviour
AIC BIC logLik deviance df.resid
2973.8 3037.1 -1474.9 2949.8 1439
Random effects:
Conditional model:
Groups Name Variance Std.Dev.
camera (Intercept) 0.1583 0.3979
Number of obs: 1451, groups: camera, 50
Overdispersion parameter for betabinomial family (): 1.85
Conditional model:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.907429 0.471376 -1.925 0.054222 .
urine_intensity_heatmap -0.009844 0.004721 -2.085 0.037034 *
treatment1 -0.219403 0.154396 -1.421 0.155304
diel_periodDay -0.337329 0.235033 -1.435 0.151218
diel_periodDusk -0.543771 0.285322 -1.906 0.056675 .
diel_periodNight -0.553826 0.274879 -2.015 0.043925 *
sexMale -0.772731 0.168350 -4.590 4.43e-06 ***
sexUndefined -1.010425 0.271876 -3.716 0.000202 ***
height 0.001713 0.012352 0.139 0.889681
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Zero-inflation model:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.6685 0.4298 -1.556 0.12
Моя проблема, как вы можете видеть, для моих категориальных переменных всегда есть одна категория, которая опущена:
treatment1
, но не лечение0
diel_periodDay
, diel_periodDusk
, diel_periodNight
, но не diel_periodDawn
sexMale
, sexUndefined
, но не полЖенский
Как я могу решить эту проблему? Или как я могу показать более полный вывод?