计算零膨胀的 glmmTMB 预测的置信区间

我正在尝试计算零通胀的 glmmTMB 模型预测的置信区间。

我浏览了 github 上发布的一些问题以及描述 glmmTMB 的原始论文。然而，glmmTMB 似乎发生了轻微的变化，我对正确的使用方法感到非常困惑。

这是我到目前为止所看到的： -https://github.com/glmmTMB/glmmTMB/issues/324 https://github.com/glmmTMB/glmmTMB/issues/324 - https://github.com/glmmTMB/glmmTMB/issues/378 https://github.com/glmmTMB/glmmTMB/issues/378 - https://www.biorxiv.org/content/biorxiv/suppl/2017/05/01/132753.DC1/132753-2.pdf https://www.biorxiv.org/content/biorxiv/suppl/2017/05/01/132753.DC1/132753-2.pdf

目前，我只是在响应尺度上进行预测和 se（因为这也应该包括 ZI 项），转换回对数尺度，计算 0.95 置信区间并转换回响应尺度。 （参见下面的代码）。

library(glmmTMB)
data("Salamanders")


fit = glmmTMB(count~spp + cover + mined +(1|site), 
        ziformula=~spp + mined,
        dispformula = ~DOY,
        data = Salamanders, 
        family=nbinom2)


newdata <- expand.grid(
  site = "new",
  spp = unique(Salamanders$spp),
  mined = factor(c("yes", "no"), levels =  levels(Salamanders$mined)),
  cover = seq(from = min(Salamanders$cover),
              to = max(Salamanders$cover),
              length = 25
              ),
  DOY = mean(Salamanders$DOY)
  )

preds <- predict(fit, newdata, se=T, allow.new.levels = T, type='response')
newdata$pred=preds$fit
newdata$se = preds$se.fit
newdata$ulimit = exp(log(newdata$pred)+(qnorm(0.975)*log(newdata$se)))
newdata$llimit = exp(log(newdata$pred)-(qnorm(0.975)*log(newdata$se)))

library(ggplot2)

ggplot(data=newdata, aes(x=cover, y = pred))+
  geom_ribbon(aes(ymin=llimit, ymax=ulimit, fill=mined), alpha = 0.25)+
  geom_line(aes(color = mined), size=1)+
  facet_wrap(~spp)

由于文档显示了执行此操作的其他方法，因此我想保证我正确计算了上限和下限。