easyModels v0.3.0 — 17 Familias GLM & 16 GLMM (glmmTMB)

🚀 easyModels v0.3.0

Nuevas Características y Mejoras

1. Expansión Masiva de Familias en analizar_glm() (17 Familias)

Ahora puedes ajustar modelos lineales generalizados con casi cualquier distribución común en agronomía y biología:

• Distribuciones de proporciones: binomial (logit), binomial_probit, binomial_cloglog, quasibinomial, y beta (vía betareg).
• Distribuciones de conteo: poisson, quasipoisson, negativa_binomial (vía MASS::glm.nb), zip (Zero-Inflated Poisson) y zinb (Zero-Inflated Binomial Negativa) vía pscl.
• Distribuciones continuas sesgadas/positivas: gamma (con link log), gamma_inverse, gaussian_inversa, y tweedie (vía statmod).
• Distribuciones categóricas: ordinal (vía MASS::polr) y multinomial (vía nnet).

2. Soporte para Estructuras de Efectos Mixtos Complejos en analizar_glmm() (16 Distribuciones)

Aprovecha el motor de glmmTMB para modelar efectos aleatorios en distribuciones avanzadas:

• Efectos mixtos continuos sesgados: gamma, gamma_inverse, y lognormal.
• Proporciones mixtas: beta (tasas de germinación, coberturas).
• Conteos mixtos zero-inflados: zip y zinb.
• Respuesta continua con ceros mixtos: zifgamma (Zero-Inflated Gamma).
• Modelos sobredispersos avanzados: parametrizaciones de binomial negativa nbinom1 y nbinom2.
• Modelos mixtos ordinales: ordinal (vía ordinal::clmm).

3. Mensajes de Guía Fisiológica y Bioestadística

Al ajustar un modelo, el paquete imprime guías interactivas en la consola:

• Validación de que los datos de la respuesta sean estrictamente > 0 en distribuciones Gamma o Log-normal.
• Validación del rango abierto (0, 1) para la familia Beta, sugiriendo transformaciones clásicas (como la de Smithson & Verkuilen) si hay ceros u unos.
• Guías de interpretación y sugerencias de correcciones por sobredispersión.

---

Instalación

devtools::install_github("PALP31/easyModels")