最近有个glmm.hp的用户反馈他获得每个固定效应因子的（fixed effect)的Individual值的和并不等于总的marginal R²。

通过我排查后，发现问题是他的原始数据中，有一些没有应用到模型中的有些列里面具有NA值（红色的地方）引起的。

glmm.hp函数输入对象很非常简单，即lme4包、nlme包和glmmTMB包运行(G)LMM得到模型对象均可。glmm.hp运行过程需要从“模型对象”中获取原始的data, 我之前在运行过程加上na.omit函数对所提取的原始数据先删除含有NA的行，目的是为了保证如果预测变量带有NA（黄色标识），需要将这些行去掉，否则会导致在模型子集过程每次所运行的数据不一样，比如运行单独含有“focal”作为predictor的时候，第一行会被去掉，而运行单独有“difference”作为predictor的时，第二行会被去掉，第一行则会被保留的，这样导致两次运行的数据不一样，这样就会导致结果不准。如果非使用的列变量中含有NA，提前用na.omit进行处理，就会把例如图中第21行也去掉，而这一行所用到的数据列是完整的，这就会导致用于分解的数据会比原始数据少，导致了分解前全模型跟后面用于分解的子模型的数据不一样，所以导致基于原始数据算出来的总marginal R²跟分解后的总和不匹配。现在已经新的包已经考虑的这个问题，先去判predictor中是否有NA，如果有，找到NA的行并去掉，而不是将全部含有NA的行去掉。所以目前解决这个问题，请大家更新包，CRAN和github均已经更新，如果您之前的数据出现过这种情况，请您更新包后重新计算。R包总是在用户不断尝试反馈过程中完善，这是R开源的优势和魅力所在！

glmm.hp的文章已经在Journal of Plant Ecology今年最后一期上正式发表，请各位及时重新安装，(install.packages("glmm.hp"))即可。另外，请各位使用glmm.hp的用户在文章中务必使用如下的引用：Jiangshan Lai, Yi Zou, Shuang Zhang, Xiaoguang Zhang,Lingfeng Mao(2022). glmm.hp: an R package for computing individual effect of predictors in generalized linear mixed models. Journal of Plant Ecology,15(6):1302-1307

目前已经有6篇SCI文章引用JPE的文章，列表如下：

1.       Wan, J.-Z., Wang, Q., and Wang, C.-J. (2023). Biomass and nitrogen content of petiole and rachis predict leaflet trait variation in compound pinnate leaves of plants. Flora 298, 152207. doi: https://doi.org/10.1016/j.flora.2022.152207.

2.       Wang, C., Wang, S., Fu, B., Li, Z., and Lü, Y. (2022). Plantation understorey legume functional groups enhance soil organic carbon sequestration by promoting species richness. Land Degrad. Dev.. doi: https://doi.org/10.1002/ldr.4598.

3.       Yunwei, H., Qing, W., Fucheng, L., Yalin, G., Weipo, Y., Yida, A., et al. (2023). The difference in soil organic carbon distribution between natural and planted forests: A case study on stony soils mountainous area in the Upper Min River Arid Valley, China. Soil Use and Management 39(1), 147-160. doi: https://doi.org/10.1111/sum.12860.

4.       Zhang, M., Gao, H., Chen, S., Wang, X., Mo, W., Yang, X., et al. (2022). Linkages between stomatal density and minor leaf vein density across different altitudes and growth forms. Front. Plant Sci. 13. doi: 10.3389/fpls.2022.1064344.

5.       Yong Cao, Lizhu Wang （2023）How to Statistically Disentangle the Effects of Environmental Factors and Human Disturbances: A Review . Water, 15(4) https://doi.org/10.3390/w15040734

6.       Jiqi Gu, Xiaotong Song, Yujia Liao, Yanhui Ye, Ruihong Wang, Heping Ma, Xiaoming Shao.（2022）Tree Species Drive the Diversity of Epiphytic Bryophytes in the Alpine Forest Ecosystem: A Case Study in Tibet. Forests, 13(12), https://doi.org/10.3390/f13122154