glmm.hp函数输入只有一个参数mod， 需要的注意的是，mod是lme4或是nlme包给出的广义混合效应模型。glmm.hp的工作流程是从mod里面提取公式和变量，以及原始数据，然后再进一步进行共性分析。如果mod里面带有别的运算，会导致提取变量的名称出现错误，就会导致后面的错误。如下案例，比如对变量进行scale标准化, 或是转化为高阶变量，均不行。那如果需要对变量进行数据转换，只能在输入模型之前提前做好转换。

> mod1 <- lmer(Sepal.Length ~ Petal.Length + Petal.Width +(1 | Species), data = iris)

> glmm.hp(mod1)

$r.squaredGLMM

           R2m       R2c

[1,] 0.6590738 0.9688405

$hierarchical.partitioning

              Unique Average.share Individual I.perc(%)

Petal.Length -0.0085        0.3335     0.3250     49.31

Petal.Width   0.0006        0.3335     0.3341     50.69

#如果给Petal.Length加个scale，结果就不对了，只能提前做scale再放进来

 mod1 <- lmer(Sepal.Length ~ scale(Petal.Length) + Petal.Width +(1 | Species), data = iris)

glmm.hp(mod1)

Error in glmm.hp(mod1) : 

  Analysis not conducted. Insufficient number of predictors.

#如果给Petal.Length做个二次方，也不对了。只能提前做二次方再放入模型。

 mod1 <- lmer(Sepal.Length ~ I(Petal.Length^2) + Petal.Width +(1 | Species), data = iris)

 glmm.hp(mod1)

Error in glmm.hp(mod1) : 

  Analysis not conducted. Insufficient number of predictors.