временная автокорреляция и точное соответствие в glmm

Question

У меня проблемы с временной автокорреляцией и способом ее реализации в glmm. Здесь ( https://cran.r-project.org/web/packages/glmmTMB/vignettes/covstruct.html) с авторегрессионным процессом (AR1) они соответствуют временным рядам с одним шагом по времени. Однако, когда я это делаю, я получаю на удивление высокий R² с смоделированными данными и с эмпирическими данными, например:

>library(glmmTMB)
>library(MASS)
>library(data.table)
>myfile <- "https://raw.githubusercontent.com/f-duchenne/data_for_test/master/data_for_test.txt"
>dat<- fread(myfile)
>dat$Annee=numFactor(dat$Annee)
>model <- glmmTMB(pheno_derivs2 ~ ratio+urban+ar1(Annee + 0 | species), data=dat)
>MuMIn::r.squaredGLMM(model)
            R2m R2c
[1,] 0.002107069   1
1-var(residuals(model))/var(dat$pheno_derivs2)
[1] 1
cor(dat$pheno_derivs2,predict(model))^2
[1] 1

Как возможно, что модель идеально соответствует данным, в то время как фиксированный эффект далек от переобучения?

Это нормально, что включение процесса временной автокорреляции дает такое R² и почти идеальное соответствие? (в основном из-за случайной части, фиксированная часть часто объясняет небольшую часть разброса в моих данных). Модель все еще интерпретируема?