希望大家在这些大流行情况中都保持安全。
我将描述我的情况，以便您对我的问题有所保留。
我与鸟类的野生种群一起工作，在鸟类种群中我们可以找到两种不同类型的个体：具有从属地位的个体[[floaters（无领土秘密在种群内部移动的鸟类）和称为territorials的崇高地位（保护领土，伴侣和巢穴的鸟）。我们的野外调查程序使我们能够通过它们在这两种类型的个体之间的行为来区分，而我们目前的[[question是在流动人口与领土上的个体之间是否存在任何[[morphological差异。]]为此，我们有7个1岁成年队列及其形态数据（体重，架长度（均用于测量条件），装饰羽毛的长度，斑点羽毛的数量等）在浮游物和领土之间进行比较（F与T）。
而且我在探索和清理数据集之后建立了以下模型：使用lme4并以年为随机因子的逻辑回归。在摘要上得到结果之后，我使用包[[DHARMa检查了残差，一切正常。logistic <- glmer(status ~ body_condition + plumage + feather_length + (1|year)
data = data, family = "binomial")
summary(logistic)
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: status ~ body_condition + mot_suma + feather_length + (1 | capture_year)
Data: data2
AIC BIC logLik deviance df.resid
239.4 255.2 -114.7 229.4 171
Scaled residuals:
Min 1Q Median 3Q Max
-1.8357 -0.7930 -0.5998 1.0149 2.2089
Random effects:
Groups Name Variance Std.Dev.
capture_year (Intercept) 0.1558 0.3947
Number of obs: 176, groups: capture_year, 6
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.89970 2.01301 -0.944 0.34532
body_condition -0.51050 0.18749 -2.723 0.00647 **
mot_suma -0.46016 1.10950 -0.415 0.67833
feather_length 0.04145 0.05569 0.744 0.45668
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) condtn mot_sm
body_condi 0.179
mot_suma -0.081 -0.057
fethr_lngth -0.991 -0.177 0.064
我是GLMM的新手，我想知道在检查了模型残差后是否有必要进行其他任何类型的验证（例如K折交叉验证）以证明构建的模型实际上是正确的。 我花了最后几天寻找在R中为GLMM执行k倍CV的方法，但我只找到了如何用glm而不是glmm来执行它。我现在可以使用一些帮助，因为我很失落！
非常感谢！以色列希望大家在这些大流行情况中都保持安全。我将描述我的情况，以便您对我的问题有所保留。我在鸟类的野生种群中工作，我们...