glmmTMB vs. GLMMadaptive

--- title: glmmTMB vs. GLMMadaptive author: Ju tags: - blog - R/packages ---

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

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。

---

1. 也許emmeans::qdgr()可以，但需要試試看 ↩︎

2. 不過glmmTMB的作者在他的網頁上提到，Gauss-Hermite quadrature比Laplace approximation還要準確，但是估計速度比較慢（但在我的資料感覺不出來），而且random effect的數量上限制比較多。 ↩︎