glmmTMB模型中ar1()与ou()选择：非连续时间自相关处理问询

背景与建模基础困惑 #

• 正在构建广义线性混合模型（GLMM），分析空气噪声对港海豹种群数量的影响，模型纳入流速、时间等固定预测变量及随机效应。
• 仅修过一门基础统计/R课程，对建模流程陌生，目前在**随机效应变量的格式设置（+0 与 +1 的选择）**上存在困惑，自行查询资料后仍无法确定操作是否正确。

时间自相关处理的核心疑问 #

• 数据采集周期为一年，期间重复观测同一批港海豹（推测），但采样间隔不固定（从数天到数周不等），无法通过ACF图检验时间自相关，只能假设其存在。
• 最初在glmmTMB包中使用ar1()协方差结构处理自相关，但了解到非连续采样场景下ar1()并非合适选择，应改用ou()结构。
• 核心疑问：使用ou()能否达到与ar1()类似的效果，有效处理数据中可能存在的自相关？

备选方案的顾虑 #

• 若ou()无法满足需求，可对数据集进行聚合与插值处理，使其变为连续时间序列，从而继续使用ar1()结构，但这样会将数据集规模缩小至原有水平的三分之一，并不希望采取该方案。

内容的提问来源于stack exchange，提问作者Jasper McCutcheon