1

我正在尝试创建一个纵向模型来预测具有各种生物特征的受试者明年患糖尿病的风险，即 BMI、年龄、收缩压 (SBP) 和腰臀比 (WHR)。我正在使用具有两个数据收集时间（0 年和 1 年，仅代表 2017 年和 2018 年）和 5 个主题（ID 1-5）的假测试样本。

我目前将我的数据集加载为糖尿病时间数据（来自 CSV 文件）。我正在使用 lme4 包，并且想使用 glmer 函数，因为它用于二元结果变量（1 表示糖尿病，0 表示非糖尿病）。我对此非常陌生，所以我不确定在运行回归时是否正确输入了变量。

ID Year Diabetes BMI Age SBP WHR
1   1   0   0   24.0    60  140 0.90
2   1   1   0   25.0    61  130 0.95
3   2   0   0   20.0    65  120 0.75
4   2   1   1   30.0    66  150 1.10
5   3   0   1   31.0    77  160 1.20
6   3   1   1   31.0    78  162 1.21
7   4   0   0   23.0    51  125 0.80
8   4   1   1   28.0    52  145 0.99
9   5   0   0   26.0    54  133 0.91
10  5   1   1   29.2    55  145 0.98

> glmer(formula = Diabetes ~ BMI + Age + SBP + WHR + (Age|WHR) + (Age|SBP), data = diabetestimedata, family=binomial())
Error: number of observations (=10) < number of random effects (=20) for term (Age | WHR); the random-effects parameters are probably unidentifiable
> glmer(formula = Diabetes ~ BMI + Age + SBP + WHR + (ID|Year), data = diabetestimedata, family=binomial())
Error in pwrssUpdate(pp, resp, tol = tolPwrss, GQmat = GQmat, compDev = compDev,  : 
  (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
> glmer(formula = Diabetes ~ BMI + Age + SBP + WHR + (1|Year), data = diabetestimedata, family=binomial())
Error in pwrssUpdate(pp, resp, tol = tolPwrss, GQmat = GQmat, compDev = compDev,  : 
  (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate

错误可以在上面的代码框中看到。

我想有一个基于这些数据的回归输出，但我真的不确定我的输入是否真的正确完成。

4

0 回答 0