glmmTMB vs. GLMMadaptive
glmmTMB vs. GLMMadaptive
記錄一下分析資料時使用glmmTMB以及GLMMadaptive的心得
glmmTMB |
GLMMadaptive |
|
|---|---|---|
| 估計方法 | Laplace approximation | adaptive Gauss-Hermite quadrature |
| 預測值 | 可以進行單純count part預測、zero part預測，以及兩部份模型加起來的期望值預測 | 沒辦法只進行count part預測，只能做zero part預測，以及兩部份模型加起來的期望值預測 |
| zero part | 估計為0的機率 | 同樣估計為0的機率 |
估計方法的差異在本次zero-inflated model使用過程中有很大的使用經驗差異。glmmTMB比較常出現convergent problem，而GLMMadaptive幾乎沒有。根據glmmTMB的troubleshooting說明，會出現問題主要是和random effect有關，如果拿掉zero part random intercept就不會再跳出錯誤訊息了。而根據GLMMadaptive做的模型比較，有沒有zero part random intercept其實沒有顯著的差異。因此如果不強求一定要納入zero part random intercept，兩個packages的結果是一致的。不過如果一定要納入zero part random intercept，那就只能使用GLMMadaptive才不會有錯誤警告出現。
兩個套件的另一個差異是在進行預測（predict）時，glmmTMB可以只根據count part的結果進行預測，而GLMMadaptive不行。會有這個需求是因為很常只有count part的預測變項有顯著的結果，但是zero part沒有顯著的預測變項，因此若只想要看count part的預測線時，GLMMadaptive沒辦法給我這個結果[1]。
文獻上討論Laplace approximation和adaptive Gauss-Hermite quadrature哪一種估計方法比較準的有好幾篇，我大概看了一下他們的結論，其實不同研究的結果並不一致[2]。
另一個使用上的差異是在安裝上，GLMMadaptive安裝比較沒有什麼問題。但是glmmTMB因為還需要TMB，有時候在更新套件時會有版本不一致的情況，有點小困擾。