Как применить биномиальный GLMM (glmer) к процентам, а не к счетам да-нет?

У меня есть эксперимент с повторными измерениями, где зависимая переменная представляет собой процент, и у меня есть несколько факторов в качестве независимых переменных. Я хотел бы использовать glmerиз пакета R, lme4чтобы рассматривать его как проблему логистической регрессии (путем указания family=binomial), так как он, кажется, приспосабливает эту настройку напрямую.

Мои данные выглядят так:

 > head(data.xvsy)
   foldnum      featureset noisered pooldur dpoolmode       auc
 1       0         mfcc-ms      nr0       1      mean 0.6760438
 2       1         mfcc-ms      nr0       1      mean 0.6739482
 3       0    melspec-maxp    nr075       1       max 0.8141421
 4       1    melspec-maxp    nr075       1       max 0.7822994
 5       0 chrmpeak-tpor1d    nr075       1       max 0.6547476
 6       1 chrmpeak-tpor1d    nr075       1       max 0.6699825

и вот команда R, на которую я надеялся, подойдет:

 glmer(auc~1+featureset*noisered*pooldur*dpoolmode+(1|foldnum), data.xvsy, family=binomial)

Проблема в том, что команда жалуется на то, что моя зависимая переменная не является целым числом:

In eval(expr, envir, enclos) : non-integer #successes in a binomial glm!

и анализ этих (пилотных) данных дает странные ответы в результате.

Я понимаю, почему binomialсемья ожидает целых чисел (да-нет), но, похоже, все в порядке, чтобы напрямую регрессировать процентные данные. Как это сделать?

Чтобы использовать вектор пропорций в качестве переменной ответа с glmer(., family = binomial), вам нужно установить количество испытаний, которые привели к каждой пропорции, используя weightsаргумент. Например, используя cbppданные из lme4пакета:

glmer(incidence / size ~ period + (1 | herd), weights = size,
   family = binomial, data = cbpp)

Если вы не знаете общее количество испытаний, тогда биноминальная модель не подходит, как указано в сообщении об ошибке.

$(0,1)$