控制空间自相关后spaMM模型残差仍存显著空间自相关的技术问询

我怀疑数据集存在强烈的空间变异，因此尝试对其进行控制。我将lme4包的线性模型（包含1个连续固定效应、1个离散固定效应和1个随机分组效应）与基于spaMM包拟合的模型进行对比，以控制空间自相关。响应变量近似正态分布，可能略有右偏。

模型代码如下：

mod1 <- lmer(Y ~ X + Species + (1|Area), data=data)
mod2 <- fitme(Y ~ X + Species + (1|Area) + Matern(1|X+Y), data=data, family="gaussian")

我使用DHARMa包检验残差的空间自相关：

sims <- simulateResiduals(mod1)
testSpatialAutocorrelation(sims, data$Long, data$Lat, plot=TRUE) 

非空间模型的残差存在极显著的空间自相关，而空间模型的残差也存在几乎同等程度的极显著空间自相关——按预期这应该降至无显著水平。DHARMa的模型假设诊断图（plot(mod2)）未显示显著问题，表明模型拟合良好，为何控制空间自相关后仍存在大量自相关？是否我的控制方式有误？

• 空间协变量指定错误
  你在Matern(1|X+Y)中使用的X和Y如果是模型里的预测变量而非地理坐标（Long/Lat），那这是核心错误。空间相关项必须基于实际的经纬度数据，正确写法应为Matern(1|Long+Lat)，确保用数据中的地理坐标列。

• 空间结构模型不匹配
  Matern结构的默认参数可能无法适配你数据的空间自相关尺度。可以尝试：

  • 更换其他空间相关结构，比如指数型（Exp(1|Long+Lat)）或高斯型（Gaussian(1|Long+Lat)）；
  • 先用corrHLfit函数估计空间自相关的范围参数，再固定参数代入fitme，避免模型收敛到不合适的结构。

• 未覆盖的空间变异来源
  现有模型的(1|Area)随机效应可能无法捕捉所有空间变异：

  • 若Area内部存在精细空间结构，可尝试加入嵌套空间项；
  • 检查是否遗漏了驱动空间自相关的关键协变量（如环境梯度、地形），这类变量未纳入会导致残差仍带自相关。

• 残差检验操作失误
  你给出的代码仅检验了mod1的残差，要验证mod2的效果，必须针对mod2生成模拟残差：

  sims_mod2 <- simulateResiduals(mod2)
  testSpatialAutocorrelation(sims_mod2, data$Long, data$Lat, plot=TRUE)
  

  若之前未执行这一步，可能误判了mod2的残差结果。

• 响应变量分布偏差
  即使响应变量近似正态，右偏特性仍可能影响模型拟合：

  • 尝试对数变换或Box-Cox变换后重新拟合；
  • 改用Gamma分布族，更适配右偏数据的残差分布假设。

内容的提问来源于stack exchange，提问作者LucyBM