机器算法验证 - 帮助在 R 中使用随机因子的零膨胀广义线性混合模型 - 吾爱随笔录

我的研究设计复杂，我不确定我是否正确地对零膨胀数据建模。我有 11 个物种的种子丰度和幼苗丰度。我有一个主要的“治疗”，有四个级别（C、P、I、R）。对于抽样设计：我们在 5 个地点抽样。在每个部位，4 个处理中的每一个重复 4 次（例如 PA、PB、PC、PD）。因此，在 5 个站点中嵌套了 4 个处理的 4 个重复（因此站点是我的随机因素）。响应变量（一个物种的种子丰度）是零膨胀的（计数数据）。我通过运行glm并将剩余偏差除以自由度（我相信这是正确的方法？）。所有变量都过度分散（比率大于 1）；所以我选择了负二项式，而不是泊松分布。我尝试了两种建模方法：zeroinfl和glmmadmb. 但是学习后zeroinfl对混合模型没用，我尝试用glmmADMB建模：

glmmNB <- glmmadmb(CON_XAL~Treatment+(1|Site), data = SR.year.raw, 
                   zeroInflation=TRUE, family="nbinom")

我的结果如下所示：

我的响应变量摘要：

 summary(SR.year.raw$CON_XAL)
 Min.   1st Qu.    Median      Mean   3rd Qu.      Max.   
(0.0)     (0.0)     (0.0)   (232.1)     (7.5)  (6245.0)

我的问题是：

我是否在 glmmadmb 模型中正确指定了随机效应？
我可以使用 glmmADMB 进行哪些事后测试来了解治疗方法之间的差异？例如，我有一种叫做“控制”的治疗方法。但在模型输出中，控件没有显着性值。所以我想输出是说“岛”处理与控制有很大不同。但是我怎么知道“岛”处理是否与“种植”处理有显着差异？
你能推荐一些绘制结果的方法，即我最终可以在我的论文中包含的东西吗？我问这个是因为从我读过的所有内容来看，所有示例图都是用于比较不同的模型（Poisson 与 ngbinom），但我似乎无法找到一个好的最终结论图的代码。
警告信息有问题吗？我可以忽略它吗？