How to cope with a singular fit in a linear mixed model (lme4)?
我正在运行几个线性混合模型,用于研究以可变巢为随机变量的鸟类。问题是在某些模型中,我得到了所谓的"奇异拟合":我的嵌套随机变量的方差和st误差为0.00。
某些背景:我正在与野生鸟类合作,以观察在嘈杂环境中生活对某些氧化应激参数的影响。为此,我们为每个巢中的每个雏鸟取了一份血液样本,以做实验室的工作。由于血液样本有限,无法针对每个雏鸟测量某些氧化应激参数。
1 2 | 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:
1 | singular fit |
这是表格:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 | 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 |
我已经读过有关奇点问题的信息,如果我对这点了解得很清楚,那么奇点与过度拟合有关。难道是由于某些响应变量我的巢只有一个雏鸟,而巢却有更多雏鸟?我该如何解决?有什么建议吗?
非常感谢。
在lmer中,像其他任何线性模型一样,固定效果中的共线性可能导致奇异拟合。那将需要您通过删除条款来修改模型。
但是在lmer中,当估计随机效应方差非常接近零并且(非常宽松)数据不足以提供足够信息时,也可以在非常简单的模型中触发(或"边界(奇异)拟合"警告)将估计值从零起始值拖动。
无论哪种方式,正式答案都大致相似;删除估计为零的字词。至少在您知道哪个术语导致了问题之前,这仍然是明智的。但是有时候,方差可以忽略不计,但您希望将其保留在模型中;例如,因为您正在故意寻找可能存在较小差异的区间,或者可能正在执行多个类似实验,并且希望始终提取所有差异。如果您确定发生了什么,可以通过lmerControl禁止显示这些警告,可以将其设置为不使用相关测试。例如,您可以包含
1 | control=lmerControl(check.conv.singular = .makeCC(action ="ignore", tol = 1e-4)) |
在您的通话中。这样就保留了默认公差(makeCC需要此公差),但抑制了奇异拟合测试。 (默认值为action = " warning ",它将运行测试并发出警告)。
您实际上是否对模型中的每个固定效果都具有效果感兴趣?例如,年龄或性别可能解释了其中的一些差异,但也许您可以将其包括为随机效应而不是固定效应。将其更改为随机效果(如果是合理的话)可能会解决过度分散的问题。
我对奇异性问题的解释(当然可能是不正确的)是模型的每个组合只有一个观察/测量值。因此,您可能没有足够的观察结果来将所有这些变量都包含为固定效应。