Я пытаюсь подобрать обобщенную линейную модель смешанных эффектов к моим данным, используя пакет lme4
.предупреждающие сообщения в lme4 для анализа выживаемости, которые не возникали 3 года назад
Данные могут быть описаны следующим образом (см. Пример ниже): данные о выловах рыбы за 28 дней. Пояснительными переменными в наборе данных примера являются:
Region
Это географический регион, из которого возникли личинки.treatment
Температура, при которой подвыборки рыбы из каждого региона были подняты.replicate
Один из трех повторений всего экспериментаtub
Случайная величина. 15 ванн (используется для поддержания экспериментальных температур в аквариумах) (3replicate
с для каждой из 5 температурtreatment
с). Каждая ванна содержала 1 аквариум для каждогоRegion
(всего 4 аквариума) и была случайно размещена в лаборатории.Day
Самостоятельное объяснение, количество дней с начала эксперимента.stage
не используется при анализе. Можно игнорировать.
переменная отклика
csns
кумулятивная выживаемость. i.eremaining fish/initial fish at day 0
.start
весовые коэффициенты использовали, чтобы показать модели, что вероятность выживания относительно этого количества рыбы в начале эксперимента.aquarium
Вторая случайная величина. Это уникальный идентификатор для каждого отдельного аквариума, содержащий значение каждого фактора, к которому он принадлежит. например N-14-1 означаетRegion N
,Treatment 14
,replicate 1
.
Моя проблема необычна, что я приспособил следующую модель до:
dat.asr3<-glmer(csns~treatment+Day+Region+
treatment*Region+Day*Region+Day*treatment*Region+
(1|tub)+(1|aquarium),weights=start,
family=binomial, data=data2)
Однако, теперь, когда я пытаюсь повторно запустить модель, чтобы произвести анализ для публикации, я получив следующие ошибки с той же структурой модели и пакетом. Выход приведен ниже:
> Warning messages:
1: В Eval (выражение, Envir, Enclos): нецелых #successes в биномиальной GLM!
2: В checkConv (attr (opt, «производные»), opt $ par, ctrl = control $ checkConv,:
Модель не сходилась с max | grad | = 1.59882 (tol = 0.001, component> 1)
3: В checkConv (ATTR (опт, "derivs"), выбирают $ пара, Ctrl = управление $ checkConv,:
модели почти неидентифицируемая: очень большие собственное
- Rescale переменных, модель почти неидентифицируемая: большое собственное значение отношение
- Переменные переменные?
Мое понимание заключается в следующем:
Предупреждение Сообщение 1.
non-integer #success in a binomial glm
относится к формату доля переменной csns
. Я консультировался с несколькими источниками, сюда включал, github, r-help и т. Д., И все это предлагали. Исследователь, который помог мне в этом анализе 3 года назад, недостижим. Может ли это иметь отношение к изменениям в пакете lme4
за последние 3 года?
Предупреждение сообщение 2.
Я понимаю, что это проблема, потому что нет достаточного количества точек данных, чтобы соответствовать модели к, в частности, на
L-30-1
, L-30-2
и L-30-3
,
где только два наблюдения :
Day 0 csns=1.00
и Day 1 csns=0.00
для всех трех аквариумов. Поэтому нет никакой изменчивости или достаточных данных для соответствия модели.
Тем не менее, эта модель в lme4
работает раньше, но не работает без этих предупреждений.
предупреждающее сообщение 3
Это один совершенно незнакомый мне. Никогда не видел этого раньше.
Образца данные:
Region treatment replicate tub Day stage csns start aquarium
N 14 1 13 0 1 1.00 107 N-14-1
N 14 1 13 1 1 1.00 107 N-14-1
N 14 1 13 2 1 0.99 107 N-14-1
N 14 1 13 3 1 0.99 107 N-14-1
N 14 1 13 4 1 0.99 107 N-14-1
N 14 1 13 5 1 0.99 107 N-14-1
Данные вопрос 1005cs.csv
доступны здесь через переносят: http://we.tl/ObRKH0owZb
Любой помощь с расшифровкой этой проблемы, был бы весьма признателен. Кроме того, любые альтернативные предложения относительно подходящих пакетов или методов для анализа этих данных также будут отличными.
@ RichieCotton: Пропорции могут быть смоделированы с биномиальным распределением, если известно количество испытаний. Затем нужно дать «весовые коэффициенты». См. Также http://stats.stackexchange.com/questions/87956/r-lme4-how-to-apply-binomial-glm-to-percentages-rather-than-yes-no-counts Я не вижу проблемы с этим. .. – EDi
Я думаю, нам нужен воспроизводимый пример здесь ... Дает модель разумным результатам? – EDi
Я использовал аргумент 'weightights' согласно документации для' lme4'. Именно поэтому это так озадачивает. Не должно быть никаких проблем, но есть. Каков наилучший способ отправки данных? Это большой файл .csv с ~ 1250 строк ... результаты модели довольно бессмысленны, помните, по-моему, в любом случае. –