>source

변수 둥지가 랜덤 변수 인 조류에 대한 연구를 위해 여러 선형 혼합 모델을 실행하고 있습니다. 문제는이 모델 중 일부에서 '단일 맞춤'이라는 것을 얻는 것입니다. 내 둥지 임의 변수에는 분산과 st 오류가 0.00입니다.

일부 배경 : 나는 산화성 스트레스 매개 변수에 시끄러운 환경에서 사는 효과를보기 위해 야생 조류와 협력하고 있습니다. 이를 위해 각 둥지의 각 네슬레에 대해 혈액 샘플을 채취하여 실험실 작업을 수행했습니다. 혈액 샘플이 제한되어 있기 때문에 모든 새집에 대해 일부 산화 스트레스 매개 변수를 측정 할 수 없었습니다.

model <- lmer(antioxidant_capacity~age+sex+clutch+zone+(1|nestID),
 data=data, contrasts=list(sex=contr.sum, zon=contr.sum, clutch=contr.sum))

그러면 얻는다 :

singular fit

이것은 표입니다 :

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

나는 특이점 문제에 대해 읽었으며, 잘 이해했다면 특이점은 과적 합과 관련이 있습니다. 일부 응답 변수의 경우 중첩이 하나만 있고 중첩이 더 많은 중첩이 있기 때문일 수 있습니까? 이 문제를 어떻게 해결할 수 있습니까? 추천이 있으십니까?

정말 감사합니다.

  • 답변 # 1

    lmer에서, 다른 선형 모델에서와 같이 고정 효과의 공선 성으로 인해 단일 적합이 발생할 수 있습니다. 그러면 용어를 제거하여 모델을 수정해야합니다. 그러나 lmer에서 무작위 효과 분산이 거의 0에 가깝고 (매우 느슨하게) 데이터가 충분히 유익하지 않은 경우 매우 간단한 모델에서 (또는 "경계 (단수) 적합") 경고를 트리거 할 수도 있습니다. 제로 시작 값에서 떨어진 추정치.

    공식 답변은 어느 쪽이든 비슷합니다. 0으로 추정되는 항을 드롭합니다. 그리고 그것은 어떤 용어가 문제를 일으키는 지 알 때까지는 여전히 합리적입니다. 그러나 무시할만한 분산이 합리적 일 가능성이 있지만 모델에 유지하려는 경우가 있습니다. 예를 들어 약간의 분산에서 간격을 찾고 있거나 유사한 실험을 여러 번 수행하고 모든 분산을 일관되게 추출하는 것을 선호하기 때문입니다. 무슨 일이 일어나고 있는지 확실하다면 lmerControl을 통해 이러한 경고를 억제 할 수 있으며, 관련 테스트를 사용하지 않도록 설정할 수 있습니다. 예를 들어 다음을 포함 할 수 있습니다

    control=lmerControl(check.conv.singular = .makeCC(action = "ignore",  tol = 1e-4))
    
    

    lmer 전화에서

    . 그러면 기본 공차 (CC가 필요로 함)를 유지하지만 단일 맞춤 테스트는 억제됩니다. (기본값은 action = "warning"이며, 테스트를 실행하고 경고를 발행합니다).

  • 답변 # 2

    실제로 모델의 각 고정 효과에 효과가 있는지에 관심이 있습니까? 예를 들어 연령이나 성별에 따라 일부 변형이 설명 될 수 있지만 고정 된 효과가 아닌 임의의 효과로 포함시킬 수 있습니다. 임의의 효과 (합리적인 경우)로 변경하면 과도한 분산 문제가 해결 될 수 있습니다.

    확실히 부정확 할 수있는 특이점 문제에 대한 나의 해석은 모델의 각 조합에는 하나의 관측/측정 만 있다는 것입니다. 따라서 모든 변수를 고정 효과로 포함하기에 충분한 관측치가 없을 수 있습니다.

  • 이전 json - Python HTTP 요청을 컬로 변환
  • 다음 영구 호스트 스토리지에서 파일을 삭제하는 권한 - docker가 root가 아닌 사용자로 실행할 수 있습니까?