glmmTMB拟合GLMM纳入avgt60线性项时Summary返回NaN问题

加入avgt60后出现NaN标准误、拟合结果异常，本质是三个问题叠加：

1. 共线性问题：气象变量（平均温度、相对湿度、风速、降雨量）本身存在极强的内在相关性，avgt60和已纳入的rh60、raintt60相关系数很可能超过0.7，导致设计矩阵秩亏，海森矩阵不可逆，无法计算标准误。你把avgt60做成多项式项后所有变量不显著，就是共线性导致方差膨胀，标准误被异常放大的直接表现。
2. 随机效应结构不合理：你的分组水平数太少，year仅3个水平、site仅6个水平，从输出看两个随机效应的方差估计已经趋近于0（最低到e-24量级），本身已经落在参数空间边界，加入新变量后很容易触发收敛失败。
3. 可能存在分离问题：如果avgt60的某些取值区间完全对应响应变量dsi的固定取值（比如某温度段dsi全为0），负二项模型会出现参数估计无法收敛的分离问题。

• 先做前置数据检查
  • 运行cor(weather1[,c("rh60","wndspd60","raintt60","avgt60")], use = "complete.obs")查看变量相关矩阵，确认共线性程度，相关系数绝对值超过0.7的变量不要同时纳入模型。
  • 运行summary(weather1$avgt60)检查avgt60是否存在录入错误的极端值、缺失值；分组统计不同avgt60区间的dsi取值，确认是否存在完全分离的情况。
• 调整模型设定解决收敛问题
  1. 所有连续预测变量先做Z-score标准化（均值为0，标准差为1），消除变量尺度差异带来的收敛障碍，不要一开始就直接套用二阶多项式，先拟合线性项验证收敛性：

  # 标准化连续变量
  weather1$z_rh60 <- scale(weather1$rh60)
  weather1$z_wndspd60 <- scale(weather1$wndspd60)
  weather1$z_raintt60 <- scale(weather1$raintt60)
  weather1$z_avgt60 <- scale(weather1$avgt60)
  # 换用更稳定的优化器拟合
  m_fix <- glmmTMB(dsi ~ z_rh60 + z_wndspd60 + z_raintt60 + z_avgt60 + (1|year) + (1|site),
                family = "nbinom2", data = weather1,
                control = glmmTMBControl(optimizer = optim, optArgs = list(method="BFGS")))
  

  2. 调整随机效应结构：水平数低于5的分组不适合作为随机效应，把year转为固定效应的分类变量纳入，减少参数空间边界问题：

  m_fix2 <- glmmTMB(dsi ~ z_rh60 + z_wndspd60 + z_raintt60 + z_avgt60 + factor(year) + (1|site),
                family = "nbinom2", data = weather1)
  

  3. 如果共线性过高，不要强行把所有气象变量都塞进模型，可以根据研究问题保留核心解释变量，或者对高相关变量做PCA降维后再纳入。
• 拟合后验证
  模型跑完后运行diagnose(m_fix)检查收敛状态，确认海森矩阵正定、无收敛警告后再看结果。如果nbinom2家族始终收敛失败，可以先换用poisson家族试跑，对比AIC选择更适配的分布。

内容的提问来源于stack exchange，提问作者Cole Baril