GLMM 中的公差级别（R 包 lme4 中的“tolPwrss”）？

Question

我正在为 GLMM 安装R<\/code> lme4<\/code> ，并且在尝试解决收敛问题时，我遇到了设置tolPwrss<\/code> ，简而言之，在lme4<\/code>的CRAN 手册<\/a>中进行了评论（版本 1.1 中的第 31 页- 27.1):

tolPwrss<\/strong>用于在受惩罚的迭代加权残差平方和中声明收敛的容差（仅限 GLMM）

tolPwrss<\/code>的默认级别似乎是 0.0000001（请参见下面的脚本，包括一些输出）。 但是，将此级别更改为（例如）0.001 会稍微改变结果（并且在我自己的数据中： strong<\/em> ）：

• 随机截距的标准偏差降低<\/li>
• 对数赔率系数更接近于 0<\/li>
• 给定较大的z 值<\/em>，ceoficients 的标准误差较低（在某些情况下），导致p<\/em>值略低（再次：在某些情况下）。<\/li><\/ul>

  我在下面有一个工作示例来说明这一点（在我自己的数据中，上面列表中提到的影响更为极端）。

  我的问题如下：

  1. 是什么促使glmer<\/code>模型中的默认值 0.00001？

  2. 能否简要解释一下 GLMM 中tolPwrss<\/code>值的变化（例如，将其增加到 0.001，如下例所示）？

  3. 在解释性分析的模型构建过程中，像这样调整容差水平是否值得怀疑？ - 或者，作为一种调整设置以获得给定数据的更优化模型的方法，它是否相当可取？

     （还有其他方法可以调整 GLMM 中的容差水平吗？）

     PS：我在（高级）数学和统计方面的背景很少（我的大多数文章读者都没有），所以如果可能的话，如果评论\/答案对我们普通凡人来说也能理解，那就太好了......

     这是一个工作示例：