Обобщенная ошибка линейной смешанной модели (двоичный отклик)

Question

Я запускаю обобщенную линейную смешанную модель в R для переменной двоичного ответа, и я получаю сообщение об ошибке.

Мой код:

library('lme4') 
m1<-glmer(data=mydata, REPRODUCE~F1TREAT*SO+(1|LINE/MATERNAL_ID), family=binomial) 

Где REPORDUCE = двоичный, F1TREAT и SO = коэффициент каждый с 2 ​​уровнями. Это возвращает предупреждение:

Warning messages: 
    1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 
    unable to evaluate scaled gradient 
    2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 
    Hessian is numerically singular: parameters are not uniquely determined 

Однако объект 'm1' по-прежнему отображается в моем списке «Значения». Typing:

summary(m1) 

возвращает ошибку:

Error in diag(vcov(object, use.hessian = use.hessian)) : 
    error in evaluating the argument 'x' in selecting a method for function 'diag': 
Error in solve.default(h) : 
    Lapack routine dgesv: system is exactly singular: U[5,5] = 0 

Кто-нибудь есть идея, что проблема есть? Смешно, я могу запустить модель просто отлично, если исключить переменную «SO».

Edit:

with(mydata,table(REPRODUCE,F1TREAT,SO))

, , SO = o 

    F1TREAT 
REPRODUCE control stress 
    0  61 167 
    1  125  8 

, , SO = s 

    F1TREAT 
REPRODUCE control stress 
    0  0  0 
    1  186 172 

Результаты GLM являются: Вызов: GLM (формула = ВОПРОИЗВЕДЕНИЕ ~ F1TREAT * SO, семья = бином, данные = MYDATA)

Deviance Residuals: 
Min  1Q Median  3Q  Max 
-1.49323 -0.30592 0.00005 0.00005 2.48409 

Coefficients: 
        Estimate Std. Error z value Pr(>|z|)  
(Intercept)   0.7174  0.1562 4.594 4.36e-06 *** 
F1TREATstress  -3.7560  0.3942 -9.529 < 2e-16 *** 
SOs     19.8486 1300.0538 0.015 0.988  
F1TREATstress:SOs 3.7560 1875.5931 0.002 0.998  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

(Dispersion parameter for binomial family taken to be 1) 

Null deviance: 898.27 on 718 degrees of freedom 
Residual deviance: 300.37 on 715 degrees of freedom 
AIC: 308.37 

Number of Fisher Scoring iterations: 19 

Answer 1

with(mydata,table(REPRODUCE,F1TREAT,SO)) 

, , SO = o 

    F1TREAT 
REPRODUCE control stress 
0  61 167 
1  125  8 

, , SO = s 

    F1TREAT 
REPRODUCE control stress 
0  0  0 
1  186 172 

Мне было предложено, чтобы моя проблема была вызвана тем, что некоторых комбинаций не существует (complete separation). Вы можете видеть, что все растения в категории 's' расцвечены, поэтому SO = s, если вы прекрасно запустите REPRODUCE. Если я изменю пару строк, так что один элемент управления «цветет» и один растение «растёт», тогда я смогу запустить модель и получить результат сводки() (хотя и с предупреждающими сообщениями, возможно, из-за частичное разделение). Незначимость SO в glm обусловлена ​​Hauck-Donner phenomenon.

Я не уверен, что делать об этом