如何在GLM中添加随机效应：河流变量建模疑问

问题背景 #

你的数据集包含两个河流地点（river列以0/1标识），希望在泊松模型中将该地点变量设为随机效应，但当前使用glm的代码将其作为固定效应加入后，出现完全共线无法估计第二个水平的问题，且效果和虚拟变量一致。

你当前尝试的代码：

model = glm(formula = taeni_number ~ 0 + dum_grass + dum_gravel + dum_multi + factor(river), data=data, family=poisson(link="log"))

数据集结构：

structure(list(dum_grass = c(0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L), dum_gravel = c(1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L), dum_multi = c(0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 0L, 1L), taeni_number = c(0L, 0L, 0L, 0L, 1L, 1L, 1L, 
2L, 0L, 0L, 2L, 0L, 1L, 3L, 0L, 0L, 0L, 1L, 8L, 34L, 5L, 11L, 
19L, 7L, 0L, 1L, 2L, 0L, 1L, 0L, 14L, 19L, 10L, 15L, 8L, 3L, 
0L, 1L, 0L, 0L, 0L, 0L, 0L, 3L, 1L, 1L, 2L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 4L, 9L, 5L, 8L, 8L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 6L, 15L, 
2L, 2L, 9L, 3L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 2L, 0L, 0L, 0L, 0L, 1L, 0L, 
0L, 0L, 1L, 6L, 1L, 1L, 4L, 1L)), class = "data.frame", row.names = c(NA, 
-108L))

问题原因 #

你当前的操作存在本质问题：glm()函数只能拟合固定效应广义线性模型，无法处理随机效应。把river作为固定效应加入时，由于你去掉了模型截距（~0+...），再加上dum_grass/dum_gravel/dum_multi这三个互斥的虚拟变量（每行仅有一个1），与factor(river)的两个水平组合后，会出现完全共线，导致第二个水平无法估计。

正确解决方案：使用混合效应模型 #

要在泊松模型中加入随机效应，需要用支持混合效应的函数，比如lme4包中的glmer()函数，它可以拟合广义线性混合模型（GLMM）。

步骤1：安装并加载lme4包 #

如果还没安装，先执行：

install.packages("lme4")

然后加载包：

library(lme4)

步骤2：拟合带随机效应的泊松模型 #

使用(1|river)表示将river作为随机截距变量，公式如下：

model_glmm = glmer(formula = taeni_number ~ dum_grass + dum_gravel + dum_multi + (1|river), 
                   data = data, 
                   family = poisson(link = "log"))

代码解释 #

• (1|river)：表示每个河流地点有一个独立的随机截距，即假设不同河流的基线计数存在随机差异，而不是固定的分组效应。
• 不需要手动去掉截距（~0+），默认的截距会被随机效应吸收，避免共线问题。
• 模型会估计固定效应（dum_grass/dum_gravel/dum_multi的系数）以及随机效应的方差（衡量河流间的差异程度）。

补充：检验随机效应的显著性 #

如果需要验证随机效应是否有意义，可以用似然比检验比较带随机效应和不带的模型：

# 拟合仅含固定效应的泊松模型
model_glm = glm(taeni_number ~ dum_grass + dum_gravel + dum_multi, 
                data = data, 
                family = poisson(link = "log"))

# 似然比检验
anova(model_glm, model_glmm, test = "Chisq")

如果检验结果的p值显著，说明随机效应确实能提升模型拟合效果。

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