2

通常我的混合模型包含几个具有很多唯一级别的分类变量，因此X矩阵非常稀疏。
我使用glmmTMB处理X和Z矩阵作为稀疏的包。这显着减少了拟合模型期间的 RAM 使用量。
这个glmmTMB包很棒，但对我来说有一个问题（也许我遗漏了一些东西）：
当我使用数值变量和分类变量（如 FE）之间的交互时，模型拟合没有错误。 例如，这个模型效果很好：

fit = glmmTMB(Y ~ 0 + num1:factor1 + num2:factor1 + factor2 + 
(0 + num3|subject) + (0 + num4|subject) + (1|subject), 
model_data, REML = TRUE, sparseX=c(cond=TRUE))

但是当我使用两个分类变量之间的任何交互时，即公式如下所示：

fit = glmmTMB(Y ~ 0 + num1:factor1 + factor3:factor1 + factor2 + 
(0 + num2|subject) + (0 + num3|subject) + (1|subject), 
model_data, REML = TRUE, sparseX=c(cond=TRUE)),

我收到以下错误：

iter: 5  Error in newton(par = c(beta = 1, beta = 1, beta = 1, beta = 1, beta = 1,  : 
  Newton failed to find minimum.
In addition: Warning message:
In (function (start, objective, gradient = NULL, hessian = NULL,  :
  NA/NaN function evaluation
outer mgc:  NaN 
Error in (function (start, objective, gradient = NULL, hessian = NULL,  : 
  gradient function must return a numeric vector of length 4

同时，在混合模型理论中，两个分类变量之间的相互作用是有效的。
此外，这种模型（具有两个因素之间的相互作用）成功地安装了Julia MixedModels包。

请您帮助我了解此错误的根源吗？
有没有办法在两个分类变量之间相互作用的模型中避免它？
为什么这样的模型适用于Julia MixedModels而不适用于glmmTMB？

4

0 回答 0