使用R的nlmer拟合带随机效应的Michaelis-Menten模型遇变量未找到错误

核心错误：变量名不匹配 #

错误提示object 'TIR' not found是因为你明确说明响应变量是CTIR，但代码中全程使用了TIR作为变量名，与数据集中的实际列名不符。

修正后的代码 #

# Load required library
library(lme4)

# Load data
tirsfl <- read.csv("TIR.FL.csv", header=TRUE, sep=",") 
# 先确认数据集列名，确保CTIR和FL存在
names(tirsfl)

# Michaelis-Menten函数定义
michaelis_menten_model <- function(FL, maxTIR, FoodK) {
  maxTIR * (FL / (FL + FoodK))
}

# 拟合非线性混合模型（替换TIR为CTIR）
fit <- nlmer(CTIR ~ michaelis_menten_model(FL, maxTIR, FoodK) + (1 | Tank),
             data = tirsfl,
             start = c(maxTIR = max(tirsfl$CTIR, na.rm = TRUE), 
                       FoodK = median(tirsfl$FL, na.rm = TRUE)))
summary(fit)

实现你的目标需求 #

1. 获取AIC值 #

直接调用AIC()函数：

AIC(fit)

2. 获取模型参数的p值 #

lme4包的nlmer默认不输出p值，可通过以下方式获取：

• 使用lmerTest包做参数检验：

  library(lmerTest)
  # 查看参数的Wald检验结果
  coef(summary(fit))
  # 对比全模型与零模型，判断整体效应
  null_fit <- nlmer(CTIR ~ 1 + (1 | Tank), data = tirsfl, start = c(Intercept = mean(tirsfl$CTIR)))
  anova(fit, null_fit)
  

• 通过参数置信区间辅助判断（若区间不包含0则参数显著）：

  confint(fit, method = "Wald")
  

3. 计算R²值 #

非线性混合模型的R²没有统一标准，推荐使用MuMIn包的Nakagawa方法，计算边际R²（仅固定效应解释的变异）和条件R²（固定+随机效应共同解释的变异）：

library(MuMIn)
r.squaredGLMM(fit)

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