关于r：如何处理线性混合模型(lme4)中的奇异拟合？

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)。