使用glmer解决警告信息

与其他许多人一样，我运行使用glme函数的模型运行lme4包时遇到问题。使用glmer解决警告信息

这里是我的模型：

model = glmer(depvar ~ variety*cover+amplitude+time+ (1|pp) + (1|stim), 
    data = datafile, family=poisson)

，这里是警告我得到：

Warning message: 
In checkConv(attr(opt, &quot;derivs&quot;), opt$par, 
    ctrl = control$checkConv, : 
    Model failed to converge with max|grad| = 0.00606839 
    (tol = 0.001, component 1)

我在this link看，如果我添加

control=glmerControl(optimizer="bobyqa",optCtrl=list(maxfun=100000))

在年底我的模型，我解决了这个问题。我试过了，所以我现在模型是：

model = glmer(depvar ~ variety*cover+amplitude+time+ 
    (1|pp) + (1|stim), data = datafile, family=poisson, 
    control=glmerControl(optimizer="bobyqa", 
      optCtrl=list(maxfun=100000)))

和它的作品没有给出任何警告信息。

我想问一下是否有人可以解释我为模型添加的内容，因为我不确定是否理解。另外，这是解决警告问题的可接受解决方案吗？或者任何人以不同的方式解决它？

非常感谢。

而不control=glmerControl(optimizer="bobyqa", optCtrl=list(maxfun=100000)))的输出是：

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod'] 
Family: poisson (log) 
Formula: depvar ~ variety * cover + amplitude + time +  (1 | pp) + (1 | stim) 
    Data: datafile 

    AIC  BIC logLik deviance df.resid 
    6916.6 6963.1 -3450.3 6900.6  2473 

Scaled residuals: 
    Min  1Q Median  3Q  Max 
-0.8955 -0.4712 -0.2797 0.3163 3.0090 

Random effects: 
Groups Name  Variance Std.Dev. 
stim (Intercept) 0.031757 0.17821 
pp  (Intercept) 0.008918 0.09443 
Number of obs: 2481, groups: stim, 200; pp, 28 

Fixed effects: 
         Estimate Std. Error z value Pr(>|z|)  
(Intercept)   0.77480 0.21459 3.611 0.000305 *** 
variety2-1    0.04813 0.03096 1.555 0.119969  
cover2-1    0.06725 0.03096 2.172 0.029862 * 
amplitude    -0.04704 0.02685 -1.752 0.079837 . 
time     -0.02545 0.03747 -0.679 0.496943  
variety2-1:cover2-1 0.01435 0.06170 0.233 0.816128  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
convergence code: 0 
Model failed to converge with max|grad| = 0.00606839 (tol = 0.001,  component 1)

与control=glmerControl(optimizer="bobyqa", optCtrl=list(maxfun=100000)))的输出是：

Generalized linear mixed model fit by maximum likelihood (Laplace  Approximation) ['glmerMod'] 
Family: poisson (log) 
Formula: depvar ~ variety * cover + amplitude + time +  (1 | pp) + (1 | stim) 
Data: datafile 
Control: glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 1e+05)) 

AIC  BIC logLik deviance df.resid 
6916.6 6963.1 -3450.3 6900.6  2473 

    Scaled residuals: 
    Min  1Q Median  3Q  Max 
-0.8956 -0.4712 -0.2797 0.3163 3.0090 

Random effects: 
Groups Name  Variance Std.Dev. 
stim (Intercept) 0.031759 0.17821 
pp  (Intercept) 0.008917 0.09443 
Number of obs: 2481, groups: stim, 200; pp, 28 

Fixed effects: 
         Estimate Std. Error z value Pr(>|z|)  
(Intercept)   0.77480 0.21457 3.611 0.000305 *** 
variety2-1    0.04813 0.03096 1.555 0.119997  
cover2-1    0.06725 0.03096 2.172 0.029860 * 
amplitude    -0.04703 0.02685 -1.751 0.079861 . 
time     -0.02545 0.03746 -0.679 0.496889  
variety2-1:cover2-1 0.01434 0.06170 0.232 0.816160  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

来源

2015-11-12 dede

您应该阅读'help（“convergence”）'。 – Roland

@Roland我知道我应该“尝试所有可用的优化器（例如，从优化，nlminb，...等几种不同的BOBYQA和Nelder-Mead，L-BFGS-B的实现）。虽然这对于大型拟合当然会很慢，我们认为它是黄金标准;如果所有优化器收敛于实际上相同的值，那么我们会认为收敛警告是误报。“（来自help'convergence'）。但是我想明白为什么我们在这种情况下需要使用“bobyqa”作为优化器。它有什么作用？ – dede

第一点是这个警告可能是误报。该帮助没有说'我们需要使用“bobyqa”'。它说我们可以并且我们应该将结果与其他优化器的结果进行比较。但是，您没有使用不同的优化器（bobyqa是'glmer'的默认值），而是增加了“允许的最大功能评估数”，即允许尝试达到收敛的更多迭代。 – Roland

由于似然相差< 0.1模型拟合，并且在参数最大的相对差异之间大约是10 ^（ - 4）的数量级，我想说你已经成功地证明了警告是假的，你可以继续使用你的初始模型。

将优化器切换为"bobyqa"并扩展最大迭代次数以抑制警告是无害的（除了浪费计算机时间），但不是必需的。

来源

2015-11-12 14:29:42

非常感谢您的回答，@BenBolker。所以，说不需要添加control = glmerControl（optimizer =“bobyqa”，optCtrl = list（maxfun = 100000）））'，但如果我添加它，没有什么是错误的，因为它只会增加迭代次数？ – dede

是........... –

使用glmer解决警告信息

回答

相关问题