[英]How to cope with a singular fit in a linear mixed model (lme4)?
我正在運行幾個線性混合模型,以研究鳥類的可變巢作為隨機變量。 問題是,在其中一些模型中,我得到了所謂的“奇異擬合”:我的嵌套隨機變量的方差和 st 誤差為 0.00。
一些背景:我正在與野生鳥類一起工作,以了解生活在嘈雜環境中對某些氧化應激參數的影響。 為此,我們為每個巢中的每只雛鳥采集了血液樣本以進行實驗室檢查。 由於血液樣本有限,無法測量每只雛鳥的一些氧化應激參數。
model <- lmer(antioxidant_capacity~age+sex+clutch+zone+(1|nestID),
data=data, contrasts=list(sex=contr.sum, zon=contr.sum, clutch=contr.sum))
然后我得到:
singular fit
這是表:
REML criterion at convergence: 974.3
Scaled residuals:
Min 1Q Median 3Q Max
-2.72237 -0.61737 0.06171 0.69429 2.88008
Random effects:
Groups Name Variance Std.Dev.
nestID (Intercept) 0 0.00
Residual 363 19.05
Number of obs: 114, groups: nido_mod, 46
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 294.5970 36.8036 109.0000 8.005 1.41e-12 ***
age -0.2959 3.0418 109.0000 -0.097 0.922685
clutch1 -0.5242 2.0940 109.0000 -0.250 0.802804
sex1 2.3167 1.8286 109.0000 1.267 0.207885
zone1 6.2274 1.7958 109.0000 3.468 0.000752 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) age clutch1 sex1
age -0.999
clutch1 0.474 -0.465
sex1 0.060 -0.054 -0.106
zone1 -0.057 0.061 -0.022 0.058
convergence code: 0
singular fit
我讀過關於奇異性問題的文章,如果我理解得很好,奇異性與過度擬合有關。 這可能是因為對於某些響應變量,我的巢只有一只雛鳥,而巢中有更多的雛鳥? 我該如何解決這個問題? 有什么推薦嗎?
非常感謝。
在 lmer 中,與任何其他線性模型一樣,固定效應中的共線性可能會導致奇異擬合。 這將需要您通過刪除條款來修改您的模型。 但是在 lmer 中,當估計隨機效應方差非常接近零並且(非常松散地)數據沒有足夠的信息來拖拽時,也可以在非常簡單的模型中觸發(或“邊界(單一)擬合”警告)估計遠離零起始值。
無論哪種方式,正式答案都大致相似; 丟棄估計為零的項。 至少在您知道哪個術語導致問題之前,這仍然是明智的。 但有時可能存在可忽略不計的差異,但您希望將其保留在模型中; 例如,因為您非常刻意地尋找可能很小差異的區間,或者可能進行多個類似的實驗,並且希望始終如一地提取所有差異。 如果您確定發生了什么,您可以通過 lmerControl 抑制這些警告,lmerControl 可以設置為不使用相關測試。 例如,您可以包括
control=lmerControl(check.conv.singular = .makeCC(action = "ignore", tol = 1e-4))
在你的 lmer 電話中。 這會保留默認容差(makeCC 需要),但會抑制奇異擬合測試。 (默認為 action="warning",它運行測試並發出警告)。
您是否真的對模型中的每個固定效應是否都有影響感興趣? 例如,年齡或性別可能會解釋一些變化,但也許您可以將其作為隨機效應而不是固定效應包含在內。 將其更改為隨機效應(如果這是合理的)可能會解決過度分散的問題。
我對奇點問題的解釋(當然可能不正確)是模型的每個組合只有一個觀察/測量。 因此,您可能沒有足夠的觀測值來將所有這些變量包括為固定效應。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.