Более 1 года назад (февраль 2013 г.) я использовал lmer для запуска модели со смешанным эффектом, включающей биномиальный результат, с помощью следующей команды:
nl3.lmer <- glmer( cul.bi ~ food.act + where + intlan + inter.cul + via.m + via.h + (1|Id), data=drm, family=binomial)
Все работало нормально, без каких-либо сообщений об ошибках или предупреждений, и я представил свои результаты. При попытке посмотреть на него сегодня я столкнулся с двумя проблемами:
1)
summary(nl3.lmer)
Length Class Mode
1 mer S4
...вместо обычного резюме.
Это из-за изменения класса с объекта mer на объект merMod? Я что-то читал об этом изменении в описании обновлений пакета lme4, но хочу еще раз убедиться, что это действительно так... Если это так, есть ли простой способ для summary прочитать объект mer?
2) (это меня больше волнует)
Поскольку я больше не мог использовать свой старый объект nl3.lmer, я решил просто повторно запустить ту же модель.
mod <- glmer( cul.bi ~ food.act + where + intlan + inter.cul + via.m + via.h + (1|id), data=drm, family=binomial)
Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 1.09141 (tol = 0.001)
Я немного встревожен. Означает ли это, что модель, о которой я сообщал в прошлом году, на самом деле не была «хорошей» (извините за отсутствие лучшего статистического определителя)? Что это значит на самом деле, простыми словами? Вот summary этой модели:
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: cul.bi ~ food.act + where + intlan + inter.cul + via.m + via.h + (1 | id)
Data: drm
AIC BIC logLik deviance df.resid
522.0 582.3 -247.0 494.0 537
Scaled residuals:
Min 1Q Median 3Q Max
-3.6076 -0.4533 0.1179 0.4038 4.4283
Random effects:
Groups Name Variance Std.Dev.
id (Intercept) 2.626 1.62
Number of obs: 551, groups: id, 101
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.9401 1.6664 1.164 0.244317
food.actYes 0.7533 0.3250 2.318 0.020455 *
whereschool -1.5370 0.4127 -3.724 0.000196 ***
wherework -1.2763 0.7957 -1.604 0.108701
whereother -1.1453 0.3749 -3.055 0.002249 **
intlanher 3.1935 0.8812 3.624 0.000290 ***
intlanbil 0.9765 0.5805 1.682 0.092555 .
intlanno int -0.6395 0.5910 -1.082 0.279268
inter.culher 2.5482 0.5020 5.076 3.86e-07 ***
inter.culher-main 1.2225 0.4588 2.664 0.007713 **
inter.culno int 1.2966 0.6076 2.134 0.032845 *
via.m -0.8063 0.2441 -3.304 0.000954 ***
via.h 0.4862 0.2003 2.428 0.015183 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) fd.ctY whrsch whrwrk whrthr intlnh intlnb intlni intr.c intr.- intr.i via.m
food.actYes -0.091
whereschool -0.100 0.143
wherework -0.050 0.103 0.233
whereother -0.129 0.179 0.420 0.256
intlanher -0.065 0.078 0.019 0.052 -0.037
intlanbil -0.053 0.086 0.061 -0.068 0.046 0.072
intlannoint -0.055 -0.012 0.104 0.055 0.137 0.051 0.073
inter.culhr -0.120 0.063 -0.017 0.050 0.022 0.017 0.048 0.024
intr.clhr-m -0.118 0.079 -0.155 -0.193 -0.094 -0.011 -0.040 -0.027 0.432
intr.clnint -0.049 0.103 0.047 0.036 -0.010 0.048 0.046 -0.745 0.335 0.361
via.m -0.596 -0.103 0.083 -0.010 0.084 -0.074 0.037 0.056 -0.034 -0.024 -0.065
via.h -0.391 0.119 -0.104 0.006 -0.075 0.126 -0.036 -0.038 0.033 0.031 0.015 -0.469
Я был бы рад предоставить воспроизводимый пример, но боюсь, что это не отразит мою проблему. И в случае, если это полезно:
sessionInfo()
R version 3.1.0 (2014-04-10)
Platform: i686-pc-linux-gnu (32-bit)
locale:
[1] LC_CTYPE=en_CA.UTF-8 LC_NUMERIC=C LC_TIME=en_CA.UTF-8
[4] LC_COLLATE=en_CA.UTF-8 LC_MONETARY=en_CA.UTF-8 LC_MESSAGES=en_CA.UTF-8
[7] LC_PAPER=en_CA.UTF-8 LC_NAME=C LC_ADDRESS=C
[10] LC_TELEPHONE=C LC_MEASUREMENT=en_CA.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] parallel splines grid stats graphics grDevices utils datasets methods base
other attached packages:
[1] RColorBrewer_1.0-5 glmmML_1.0 ggplot2_0.9.3.1 pbkrtest_0.3-8 mvoutlier_2.0.4
[6] sgeostat_1.0-25 HLMdiag_0.2.5 plyr_1.8.1 prettyR_2.0-7 languageR_1.4.1
[11] msm_1.3 e1071_1.6-3 nlme_3.1-117 MASS_7.3-33 nnet_7.3-8
[16] car_2.0-19 effects_3.0-0 colorspace_1.2-4 Hmisc_3.14-4 Formula_1.1-1
[21] survival_2.37-7 lattice_0.20-29 lmerTest_2.0-6 lme4_1.1-6 Rcpp_0.11.1
[26] Matrix_1.1-3
loaded via a namespace (and not attached):
[1] bitops_1.0-6 caTools_1.17 class_7.3-10 cluster_1.15.2
[5] DEoptimR_1.0-1 dichromat_2.0-0 digest_0.6.4 expm_0.99-1.1
[9] gdata_2.13.3 gplots_2.13.0 gtable_0.1.2 gtools_3.4.0
[13] KernSmooth_2.23-12 labeling_0.2 latticeExtra_0.6-24 minqa_1.2.3
[17] munsell_0.4.2 mvtnorm_0.9-99992 numDeriv_2012.9-1 pcaPP_1.9-49
[21] pls_2.4-3 proto_0.3-10 RcppEigen_0.3.2.1.2 reshape2_1.2.2
[25] robCompositions_1.8.0 robustbase_0.91-1 rrcov_1.3-4 scales_0.2.3
[29] stats4_3.1.0 stringr_0.6.2 tools_3.1.0
Заранее благодарим вас за любую помощь, которую вы можете предложить.
