Помилка LME () - досягнута межа ітерації

Указуючи модель перехресних змішаних ефектів, я намагаюся включати взаємодії. Однак я отримую таке повідомлення про помилку:

Error in lme.formula(rate ~ nozzle, random = ~nozzle | operator, data = Flow) : 
nlminb problem, convergence error code = 1
message = iteration limit reached without convergence (10)

Модель має наступне: 1. 3 типи форсунок (фіксований ефект) 2. 5 операторів, кожен з 3 повторюваних заходів щодо витрати палива від 3-х типів форсунок.

Мене попросили включити взаємодію між типом сопла та оператором. Це мій код для моделі:

flow.lme <- lme(rate ~ nozzle, error= nozzle|operator, data=Flow)

Чому я отримав це повідомлення про помилку ??

mixed-model lme4-nlme

— Тал Башан
джерело

Не хочеш operator|nozzleвипадкових?

— Олівія Грігг

Ні, оператор - це випадковий ефект.

— f1r3br4nd

ви можете використовувати> crtl = lmeControl (opt = 'optim', optimMethod = "SANN")

— AliReza Afshari Safavi

Ви повинні зробити відповідь @ f1r3br4nd як відповідь

— JetLag

@AliRezaAfshariSafavi Які переваги використання "SANN" порівняно з BFGS за замовчуванням?

— gcamargo

Відповіді:

Я не чув про errorаргумент доlme і не бачу його в документації. Ви впевнені, що це не помилка? Але, щоб відповісти на поставлене запитання:

Спробуйте ?lmeControl

Установка maxIter, msMaxIter, niterEM, і / або msMaxEvalаргументи більш високих значень , ніж за замовчуванням може це виправити. Захопіть вихід з lmeControlоб'єкта і передайте цей об'єкт controlаргументуlme .

Або ...

Новий оптимізатор, що lmeвикористовується за замовчуванням , нечіткий. Половину часу ці проблеми вирішуються для мене, коли я повертаю його до старого оптимізатора. Ви можете зробити це, встановивши optаргумент для lmeControlдо'optim' .

Отже, поєднуючи це:

ctrl <- lmeControl(opt='optim');
flow.lme <- lme(rate ~ nozzle, error= nozzle|operator, control=ctrl, data=Flow);

— f1r3br4nd
джерело

У деяких випадках, можливо, варто знати, що lmeControlце функція з nlmeпакета

— Qaswed

По-перше, це модель ANOVA, а не змішана модель.

По-друге, мені здається, що ваша модель не визначена. У формі рівняння у вас є

{відповідь}_{i j} = β_{1} {тип насадки}_{1 i j} + β_{2} {тип насадки}_{2 i j} + β_{3} {тип насадки}_{3 i j} + {оператор}_{i} + {насадка в межах оператора}_{i j}

$\mbox{response}_{ij} = \beta_1 \mbox{nozzle type}_{1ij} + \beta_2 \mbox{nozzle type}_{2ij} + \beta_3 \mbox{nozzle type}_{3ij} + \mbox{operator}_i + \mbox{nozzle within operator}_{ij}$ де типи сопел є фіксованими ефектами (фіктивні змінні), оператор - випадковий ефект, а сопла в межах оператора - також випадковий ефект.

Останній термін має 15 окремих значень для 15 ваших спостережень. Не залишається жодної міри свободи, щоб отримати будь-які інші умови в моделі. У тому числі взаємодія була поганою порадою. Вам доведеться їх взагалі кинути; навіть включення їх як перехресних ефектів не допоможе, оскільки вони будуть ідеально колінеарними з фіксованими ефектами і не піддаються оцінці. Максимальна вірогідність або модель REML з 15 спостереженнями не має сенсу; асимптотичні результати теорії максимальної ймовірності просто не спрацюють: це Ferrari, який ви намагаєтеся проїхати на ораному полі.

— СтасК
джерело

Якщо в моделі є як випадкові, так і фіксовані ефекти, то за визначенням це модель змішаного ефекту. Незалежно від того, чи називаєте ви це ANOVA чи регресом - це окреме питання та своєрідне семантичне запитання. Я трохи спантеличений тим, що означає ОП під час взаємодії. Наскільки я можу сказати, він вже робить це, використовуючи random=~nozzle|operatorзамість цього random=~1|operator.

— f1r3br4nd

Деякі літератури називають вкладені випадкові ефекти як взаємодію між різними рівнями вкладення; Думаю, я навіть бачив це в Pinheiro & Bates. Я погоджуюся, що термін цього належним чином - це питання семантики, але я просто думаю ввести this-does-not-have-to-be-a-mixed-modelтег. Приблизно на дві третини mixed-modelsзапитання, яке я можу побачити, сказавши щось для цього, є частиною моєї відповіді.

— StasK

Смішно, я витрачаю добрий шматок свого часу, кажучи людям, що вони недостатньо використовують змішані моделі. Я насправді хотів би помилитися, бо це дещо спростило мені життя. Що б ви сказали ОП, як правило визначає, коли потрібна змішана модель?

— f1r3br4nd

О, значить, ти негідник, значить. У цього є єдиний категоричний предиктор, тому для мене це модель ANOVA, як я вже говорив раніше. Якби у вас була інформація на різних рівнях (наприклад, держава \ школа \ студенти, з даними про штати, про школу та про учнів), це могло б звучати для мене змішану модель. В основному, якщо ви можете це зробити як суми квадратів, це ANOVA; якщо ви можете зробити це як модель регресії, це регресійна модель. Якщо робити максимальну ймовірність / REML абсолютно неминуче (як це є у випадку бінарного відповіді), це для мене змішана модель.

— Стаск