ฉันกำลังเรียกใช้ glmm พร้อมกับตัวแปรตอบสนองทวินามและตัวทำนายหมวดหมู่ ผลแบบสุ่มจะได้รับจากการออกแบบที่ซ้อนกันที่ใช้สำหรับการรวบรวมข้อมูล ข้อมูลมีลักษณะดังนี้:
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$nest
[1] 1 1 1 2 2 3 3 3 3 4 4 4 .....
Levels: 1 2 3 4 5 6 8 10 11 13 15 16 17 18 20 22 24
รุ่นแรกที่ฉันใช้ดูเหมือนว่านี้
m.glmm.em.<-glmer(emergence~treatment + (1|nest),family=binomial,data=m.gen1)
ฉันได้รับคำเตือนสองข้อที่มีลักษณะดังนี้:
Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$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?
สรุปโมเดลแสดงให้เห็นว่าหนึ่งในวิธีการรักษามีข้อผิดพลาดมาตรฐานขนาดใหญ่ผิดปกติซึ่งคุณสามารถดูได้ที่นี่:
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
ฉันลองใช้เครื่องมือเพิ่มประสิทธิภาพที่แตกต่างจากการควบคุมและฟังก์ชั่นจากแพ็คเกจอื่นและฉันได้ผลลัพธ์ที่คล้าย ฉันใช้โมเดลโดยใช้ glm โดยไม่สนใจเอฟเฟกต์แบบสุ่มและปัญหายังคงอยู่ ในขณะที่สำรวจข้อมูลฉันตระหนักว่าการรักษาด้วย Std สูง ข้อผิดพลาดมีความสำเร็จในตัวแปรตอบกลับเท่านั้น เพียงเพื่อตรวจสอบว่าอาจทำให้เกิดปัญหาฉันเพิ่มจุดข้อมูลปลอมด้วย "ความล้มเหลว" สำหรับการรักษาและรูปแบบการทำงานที่ราบรื่นและให้ข้อผิดพลาดมาตรฐานที่เหมาะสม คุณสามารถดูได้ที่นี่:
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 .
ฉันสงสัยว่าปรีชาของฉันถูกต้องเกี่ยวกับการขาดความล้มเหลวในการรักษาที่ป้องกันการประมาณที่ดีและฉันจะแก้ไขปัญหานี้ได้อย่างไร
ขอบคุณล่วงหน้า!