Mixed-Model
您需要在隨機因子的每個級別內進行多少次觀察才能擬合隨機效應？
我正在嘗試分析一組鳥類調查中的一些數據。我的響應變量是“鳥類豐度”，即五分鐘內統計的鳥類數量。這些五分鐘的計數是在約 200 個地點進行的。在每個站點重複計數 3 次，儘管有大約 20 個站點只完成了兩次計數。我想將鳥類豐度建模為站點級屬性（棲息地質量等）以及計數級屬性（計數時的天氣條件等）的函數。
所以，我有大約 200 個站點和大約 600 個個人計數，但每個站點只有 2-3 個計數。我的問題是：鑑於我每個站點只有 2-3 個計數，我可以將站點作為隨機因素包括在內，以說明站點內計數的非獨立性嗎？（請注意，如有必要，我可以刪除只有兩個計數的站點）。
我已經閱讀了有關您在隨機因子的每個級別內需要的觀察數量的相互矛盾的信息。Ben Bolker 關於 GLMMs in Trends in Ecology and Evolution 的論文說“每個隨機效應有 5-6 個隨機效應水平，每個治療水平或實驗單位有 10-20 個樣本”，但後來我也讀到了建議使用混合模型重複測量採用預處理、後處理和後續樣本的設計 - 即每個隨機效應水平內只有三個觀察值。
謝謝您的幫助！
周杰倫
隨機或混合效應模型不需要每個級別有一定數量的觀察。事實上，如果每個級別有很多觀察結果，則可能不需要隨機效應，您可以將其作為因子變量包含在內。
您應該能夠將站點指定為隨機效應變量並繼續，並且它不應該對您的推理質量產生負面影響。正如您在評論中指出的那樣，帶有 lme4 包的標準 GLMM 應該可以正常工作。