机器算法验证 - 使用 3 个随机因素检查 glmer（lme4 包）中的异常值 - 吾爱随笔录

我有一个关于使用glmer具有 3 个随机变量的模型检查我的数据集中的异常值和/或影响点的问题。我正在研究SumDetections接收器在增加距离 ( ) 上的检测率 ( sc.c.distance)，以及环境影响对此 (和) 的影响depth，以及所使用的不同发射器之间的差异，控制和的随机效应。我发现这可能有帮助，所以我检查了它。 temperaturewindreceiver IDreplicateareainfluence.ME

在手册中，我读到这个包每次只能删除整个数据集的 1 个单个分组因子或 1 个数据点的级别。除非我错误地阅读了包裹信息，否则这个包裹不能满足我的要求。我正在寻找一种方法来检查嵌套在 4 个分组层中的异常值。

我的数据是如何组织的如下：首先我的数据在Areas. 在区域内，进行了多次replicates。每个重复由 5 个组成，distances在其中测试检测率。对于每个距离，receivers测试了 20 个。

我的模型如下所示：

m <- lmer(SumDetections ~ tm + sc.c.distance + tm:sc.c.distance + c.tm.depth + 
             c.receiver.depth + c.temp + c.wind + (1|replicate) + (1|SUR.ID) + (1|Area), 
             data = df3, family = poisson)

我的问题是：

是否可以使用influence.me检查数据嵌套在3层内的异常值？
如果是这样，我应该如何指定命令来获取我正在寻找的内容，以及我应该如何通过 Cook 的距离或 dfbetas 来解释返回的数据？
如果没有，是否有另一个包可以让我检查异常值？