如何运行lme4::glmer模型？响应变量格式问题求助

核心问题分析 #

你遇到的两个错误根源很明确：

• response must be numeric or factor：你的响应变量Feed.bout是字符型的时间格式（HH:MM:SS），而glmer的泊松族模型要求响应变量是数值型（比如计数、持续时间的秒数）或因子。
• could not find function "read.csv.zoo"：read.csv.zoo是zoo包中的函数，你没加载这个包就直接调用了。

分步解决方案 #

1. 转换Feed.bout为数值型（总秒数） #

推荐用lubridate包处理时间格式，比base R更简洁：

library(tidyverse)
library(lme4)
library(lubridate) # 加载时间处理包

# 读取数据
Feedbout <- read.csv("Av_Fe_Bout3.csv")

# 将字符型时间转换为总秒数
Feedbout$Feed.bout_sec <- hms(Feedbout$Feed.bout) %>% as.numeric()
# hms()会识别HH:MM:SS格式，as.numeric()直接转成总秒数

如果不想用lubridate，用base R也能实现：

Feedbout$Feed.bout_sec <- as.difftime(Feedbout$Feed.bout, format = "%H:%M:%S") %>% as.numeric()

2. 修正模型代码 #

现在用转换后的数值型变量Feed.bout_sec作为响应变量。另外注意：

• 泊松模型适合计数数据，如果你的Feed.bout是持续时间，更适合用Gamma族模型（因为持续时间是正的连续值）
• 关于尺度警告：Year是年份（比如2014），和其他变量尺度差异大，可以把Year中心化（比如减去均值）来消除警告

修正后的模型代码：

# 中心化Year，解决尺度差异问题
Feedbout$Year_centered <- Feedbout$Year - mean(Feedbout$Year)

# 用Gamma族模型（更适合持续时间）
Av_Fe_Bout3 <- glmer(Feed.bout_sec ~ Year_centered + Tourist + Year_centered:Tourist + (1|ID), 
                     family = Gamma(link = "log"), 
                     data = Feedbout)

summary(Av_Fe_Bout3)

如果坚持用泊松族（比如你的数据是离散计数），把family改成poisson即可，但要确保Feed.bout_sec是整数（如果是计数的话）。

3. 关于read.csv.zoo的补充 #

如果一定要用这个函数，先加载zoo包：

library(zoo)
zoo_data <- read.csv.zoo(file = "Av_Fe_Bout3.csv", format = "%H:%M:%S")

但这个方法主要是把数据转成zoo时间序列对象，对你的混合模型需求来说，不如直接转成总秒数实用。

内容的提问来源于stack exchange，提问作者beebop