0

我正在尝试使用该lme4包将广义线性混合效应模型拟合到我的数据中。

数据可以描述如下(见下面的例子): 鱼超过 28 天的存活数据。示例数据集中的解释变量是:

  • Region这是幼虫起源的地理区域。
  • treatment提高来自每个地区的鱼子样本的温度。
  • replicate整个实验的三个重复之一
  • tub随机变量。总共 15 个浴缸(用于维持水族箱中的实验温度)(replicate5 个温度每个3treatment秒)。每个浴缸包含 1 个水族箱Region(总共 4 个水族箱),并随机放置在实验室中。
  • Day不言自明,从实验开始的天数。
  • stage没有在分析中使用。可以忽略。

响应变量

  • csns累积生存。即remaining fish/initial fish at day 0
  • start用于告诉模型生存概率与实验开始时鱼的数量相关的权重。
  • aquarium第二个随机变量。这是每个水族馆的唯一 ID,其中包含它所属的每个因素的值。例如 N-14-1 表示Region N, Treatment 14, replicate 1

我的问题很不寻常,因为我之前安装了以下模型:

   dat.asr3<-glmer(csns~treatment+Day+Region+
      treatment*Region+Day*Region+Day*treatment*Region+
      (1|tub)+(1|aquarium),weights=start, 
      family=binomial, data=data2)  

但是,现在我正在尝试重新运行模型以生成用于发布的分析,但在相同的模型结构和包中出现以下错误。输出如下:

> Warning messages:  

1:在 eval(expr, envir, enclos) 中:非整数 #successes 在二项式 glm 中!
2: 在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
模型未能收敛到 max|grad| = 1.59882 (tol = 0.001, component >1)
3: 在 checkConv( attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
模型几乎无法识别:非常大的特征值
- 重新调整变量?;模型几乎无法识别:大特征值比率
- 重新调整变量?

我的理解如下:

警告信息 1。

non-integer #success in a binomial glmcsns变量的比例格式。我已经咨询了几个来源,包括 github、r-help 等,都提出了这个建议。3 年前帮助我进行这项分析的研究员是遥不可及的。是否与lme4过去 3 年的包装变化有关?

警告信息 2。

我理解这是一个问题,因为没有足够的数据点来拟合模型,特别是在和处,
L-30-1仅 进行了两次观察:和 所有三个水族馆。因此,没有可变性或足够的数据来拟合模型。 L-30-2L-30-3

Day 0 csns=1.00Day 1 csns=0.00

尽管如此,这个模型lme4之前已经工作过,但现在没有这些警告就无法运行。

警告信息 3

这个对我来说完全陌生。以前从未见过。

样本数据:

Region treatment replicate tub Day stage csns start aquarium  
 N        14         1  13   0    1 1.00   107   N-14-1
 N        14         1  13   1    1 1.00   107   N-14-1
 N        14         1  13   2    1 0.99   107   N-14-1
 N        14         1  13   3    1 0.99   107   N-14-1
 N        14         1  13   4    1 0.99   107   N-14-1
 N        14         1  13   5    1 0.99   107   N-14-1

有问题的数据1005cs.csv可通过我们传输在此处获得:http ://we.tl/ObRKH0owZb

任何有关破译此问题的帮助,将不胜感激。此外,对于分析这些数据的合适的包或方法的任何替代建议也会很棒。

4

1 回答 1

3

tl; dr “非整数成功”警告是准确的;由您决定将二项式模型拟合到这些数据是否真的有意义。其他警告表明拟合有点不稳定,但是缩放和居中一些输入变量可以使警告消失。再次由您决定这些不同配方的结果是否足以让您担心......

data2 <- read.csv("1005cs.csv")
library(lme4)

拟合模型(稍微紧凑的模型公式)

dat.asr3<-glmer(
   csns~Day*Region*treatment+
        (1|tub)+(1|aquarium),
            weights=start, family=binomial, data=data2)

我确实收到了您报告的警告。

让我们看一下数据:

library(ggplot2); theme_set(theme_bw())
ggplot(data2,aes(Day,csns,colour=factor(treatment)))+
        geom_point(aes(size=start),alpha=0.5)+facet_wrap(~Region)

在此处输入图像描述

这里没有明显的问题,尽管它确实清楚地表明某些治疗组合的数据非常接近 1,并且治疗值远非零。让我们尝试缩放和居中一些输入变量:

data2sc <- transform(data2,
                     Day=scale(Day),
                     treatment=scale(treatment))
dat.asr3sc <- update(dat.asr3,data=data2sc)

现在“非常大的特征值”警告消失了,但我们仍然有“非整数 # 成功”警告,并且 max|grad|=0.082。让我们尝试另一个优化器:

dat.asr3scbobyqa <- update(dat.asr3sc,
                     control=glmerControl(optimizer="bobyqa"))

现在只剩下“非整数#successes”警告。

d1 <- deviance(dat.asr3)
d2 <- deviance(dat.asr3sc)
d3 <- deviance(dat.asr3scbobyqa)
c(d1,d2,d3)
## [1] 12597.12 12597.31 12597.56

这些偏差并没有太大差异(偏差量表上的 0.44 超出了舍入误差所能解释的范围,但拟合优度差异不大);实际上,第一个模型给出了最好(最低)的偏差,这表明警告是误报......

resp <- with(data2,csns*start)
plot(table(resp-floor(resp)))

在此处输入图像描述

这清楚地表明确实存在非整数响应,因此警告是正确的。

于 2015-12-18T16:54:05.547 回答