Я использую glmm с биномиальной переменной ответа и категориальным предиктором. Случайный эффект дается вложенным дизайном, используемым для сбора данных. Данные выглядят так:
m.gen1$treatment
[1] sucrose control protein control no_injection .....
Levels: no_injection control sucrose protein
m.gen1$emergence
[1] 1 0 0 1 0 1 1 1 1 1 1 0 0....
> m.gen1$nest
[1] 1 1 1 2 2 3 3 3 3 4 4 4 .....
Levels: 1 2 3 4 5 6 8 10 11 13 15 16 17 18 20 22 24
Первая модель, которую я запускаю, выглядит так
m.glmm.em.<-glmer(emergence~treatment + (1|nest),family=binomial,data=m.gen1)
Я получаю два предупреждения, которые выглядят так:
Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 0.0240654 (tol = 0.001, component 4)
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?
Краткое описание модели показывает, что одна из обработок имеет необычно большую стандартную ошибку, которую вы можете увидеть здесь:
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.565 1.038 2.472 0.0134 *
treatmentcontrol -1.718 1.246 -1.378 0.1681
treatmentsucrose 16.863 2048.000 0.008 0.9934
treatmentprotein -1.718 1.246 -1.378 0.1681
Я попробовал разные оптимизаторы из glmer control и функции из других пакетов, и я получил похожий вывод. Я запустил модель, используя glm, игнорируя случайный эффект, и проблема сохраняется. Изучая данные, я понял, что лечение с высоким Std. Ошибка имеет только успехи в переменной ответа. Просто чтобы проверить, может ли это быть причиной проблемы, я добавил ложную точку данных с «неудачей» для этой обработки, и модель работает без сбоев и выдает разумную стандартную ошибку. Вы можете увидеть это здесь:
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.4090 1.6712 2.040 0.0414 *
treatmentcontrol -1.8405 1.4290 -1.288 0.1978
treatmentsucrose -0.2582 1.6263 -0.159 0.8738
treatmentprotein -2.6530 1.5904 -1.668 0.0953 .
Мне было интересно, верна ли моя интуиция насчет отсутствия неудач в этом лечении, мешающих хорошей оценке, и как я могу обойти эту проблему.
Заранее спасибо!