使用easystats包r2_nakagawa()出现R2异常值的技术求助

核心原因 #

beta族广义线性混合模型的Nakagawa R²计算出现大于1的情况，本质是方差分解过程中残差方差估计异常（如为负或极小），导致分母小于分子。常见诱因包括模型过拟合、响应变量边界值问题、包版本依赖冲突。

排查与解决步骤 #

1. 检查数据与模型合理性

• 确认响应变量FvFm严格处于(0,1)区间：beta分布不允许0或1值，若存在此类边界值，会干扰残差方差估计。可通过以下代码修正：

  d$FvFm <- pmax(pmin(d$FvFm, 0.999), 0.001)
  

• 验证交互项hora*temperatura的必要性：过度复杂的模型易导致过拟合，可通过似然比检验简化模型：

  m1 <- glmmTMB(FvFm ~ hora + temperatura + (1|Experimento), data=d, family=beta_family(link="logit"))
  anova(m1, m2)
  

2. 强制同步包版本

回退版本时需确保所有依赖包同步兼容，避免残留新版本依赖：

# 卸载当前包
remove.packages(c("easystats", "performance", "insight"))
# 安装指定版本
install.packages("easystats", version = "0.7.1.3", repos = "https://cran.r-project.org")
install.packages("performance", version = "0.10.8", repos = "https://cran.r-project.org")
install.packages("insight", version = "0.19.8", repos = "https://cran.r-project.org")

重启R会话后重新拟合模型并计算R²。

3. 手动验证方差分解

用insight包提取方差组分，定位异常来源：

var_comp <- insight::get_variance(m2)
print(var_comp)

# 手动计算Nakagawa R²
marginal_r2 <- var_comp$var_fixed / (var_comp$var_fixed + var_comp$var_random + var_comp$var_residual)
conditional_r2 <- (var_comp$var_fixed + var_comp$var_random) / (var_comp$var_fixed + var_comp$var_random + var_comp$var_residual)
cat("Marginal R2:", marginal_r2, "\nConditional R2:", conditional_r2)

若var_residual为负或极小，说明模型拟合存在问题，需调整模型结构。

4. 尝试替代R²计算方法

针对beta模型，使用performance::r2_beta()进行专门适配的R²计算：

performance::r2_beta(m2)

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