performance性能分析库v0.13.0版本发布：模型诊断与评估工具升级

performance是R语言生态中一个专注于统计模型性能评估和诊断的工具包，它为各类回归模型提供了全面的评估指标和诊断工具。作为easystats生态系统的重要组成部分，performance包与effectsize、parameters、modelbased等包协同工作，为数据分析师和统计建模者提供了一站式的模型评估解决方案。

重大变更与改进

本次发布的v0.13.0版本带来了一些重要的功能改进和API调整，值得数据分析师们特别关注。

离群值检测算法优化

check_outliers()函数在使用OPTICS方法（method = "optics"）时，现在通过dbscan::extractXi()函数实现了更精细化的聚类选择。OPTICS（Ordering Points To Identify the Clustering Structure）是一种基于密度的聚类算法，相比传统方法能够识别不同密度的簇。这一改进使得离群值检测结果更加准确可靠，特别是在处理复杂数据结构时表现更优。

函数参数标准化

为了保持easystats生态系统的统一性，check_model()函数中涉及绘图美学的参数名称（如dot_size）已经进行了标准化重命名。新的命名规则采用aesthetic_type模式，例如：

• size_dot替代原来的dot_size
• color_line替代原来的line_color

这种命名方式更加一致，便于用户记忆和使用，也与其他easystats包保持了一致性。

功能增强

模型收敛性检查精度提升

针对glmmTMB包的混合效应模型，check_convergence()函数现在能够提供更精确的收敛性评估结果。glmmTMB是处理零膨胀和复杂随机效应结构的强大工具，但模型收敛问题常常困扰用户。这一改进帮助用户更准确地判断模型是否真正收敛。

R平方计算支持扩展

r2()和r2_mcfadden()函数现在支持glmmTMB包的beta-binomial（非混合）模型。Beta-binomial模型常用于处理过度离散的二项数据，如生态学和医学研究中的计数数据。这一扩展使得用户能够更方便地评估这类特殊模型的拟合优度。

ROC曲线分析增强

新增了as.numeric()和as.double()方法用于performance_roc类对象，这使得ROC曲线分析结果能够更方便地转换为数值形式进行后续处理。同时，performance_roc()函数的文档得到了显著改进，为用户提供了更清晰的使用指南。

问题修复

本次版本修复了几个影响用户体验的重要问题：

1. 当只有响应变量是数值型而相关预测变量都不是数值型时，check_outliers()函数未能正确发出警告的问题已修复。现在函数会明确提示用户没有找到足够的数值变量进行分析。

2. 修复了check_collinearity()函数在处理glmmTMB模型时，当零膨胀组件设置为~0时失效的问题。这一修复确保了函数在各种glmmTMB模型配置下的稳定性。

总结

performance v0.13.0版本通过算法优化、功能扩展和问题修复，进一步提升了统计模型评估的准确性和用户体验。特别是对glmmTMB模型的支持增强，使得这一专业统计包的用户能够获得更全面的模型诊断信息。参数命名的标准化也体现了easystats生态系统向更加一致、易用方向发展的趋势。

数据分析师和统计建模者在升级到新版本后，将能够更自信地进行模型诊断和性能评估，特别是在处理复杂数据结构和特殊模型时获得更可靠的结果。建议用户及时更新，以充分利用这些改进和新功能。