LME () 오류-반복 한계에 도달

교차 혼합 효과 모델을 지정할 때 상호 작용을 포함하려고합니다. 그러나 다음과 같은 오류 메시지가 나타납니다.

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

모델은 다음과 같습니다. 1. 3 가지 노즐 유형 (고정 효과) 2. 3 가지 노즐 유형으로부터 연료 흐름에 대해 각각 3 번의 반복 측정이있는 5 명의 작업자.

모델에 노즐 유형과 작업자 간의 상호 작용을 포함하도록 요청했습니다. 이것은 모델의 코드입니다.

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

이 오류 메시지가 나타나는 이유는 무엇입니까 ??

mixed-model lme4-nlme

— 탈 바산
소스

operator|nozzle무작위로 원하지 않습니까?

— Olivia Grigg

아니요, 연산자는 무작위 효과입니다.

— f1r3br4nd

> crtl = lmeControl (opt = 'optim', optimMethod = "SANN")을 사용할 수 있습니다

— AliReza Afshari Safavi

당신은 답변으로 f1r3br4nd의 응답 @해야

— 시차로 인한 피로

@SAli "와 기본 BFGS를 함께 사용하면 어떤 이점이 있습니까?

— gcamargo

답변:

에 대한 error논쟁에 대해 들어 lme보지 못했고 문서에서 그것을 보지 못했습니다. 오타가 아닌가? 그러나 당신이 묻는 질문에 대답하기 위해 :

시험 ?lmeControl

설정하면 maxIter, msMaxIter, niterEM, 및 / 또는 msMaxEval기본값보다 높은 값으로 인수가이 문제를 해결할 수 있습니다. 출력을 lmeControl객체로 캡처 한 다음 해당 객체를 control인수 로 전달합니다 lme.

또는...

새로운 기본 옵티마이 저는 lme비정상적입니다. 이전 최적화 프로그램으로 다시 변경하면 이러한 종류의 문제가 절반으로 해결됩니다. 에 대한 opt인수를 lmeControl로 설정하면 됩니다 'optim'.

따라서 함께 정리하면 다음과 같습니다.

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

— f1r3br4nd
소스

어떤 경우 lmeControl에는 nlme패키지 의 기능인 알 가치가 있습니다.

— Qaswed

먼저, 이것은 혼합 모델이 아닌 ANOVA 모델입니다.

둘째, 귀하의 모델이 식별되지 않은 것 같습니다. 방정식 형태로

{응답}_{나는 제이} = β_{1} {노즐 타입}_{1 나는 제이} + β_{2} {노즐 타입}_{2 나는 제이} + β_{삼} {노즐 타입}_{삼 나는 제이} + {운영자}_{나는} + {작업자 내 노즐}_{나는 제이}

$\mbox{response}_{ij} = \beta_1 \mbox{nozzle type}_{1ij} + \beta_2 \mbox{nozzle type}_{2ij} + \beta_3 \mbox{nozzle type}_{3ij} + \mbox{operator}_i + \mbox{nozzle within operator}_{ij}$

마지막 항에는 15 개의 관측치에 대한 15 개의 개별 값이 있습니다. 모형에서 다른 항을 얻을 수있는 자유도는 없습니다. 상호 작용을 포함시키는 것은 좋지 않은 조언이었습니다. 당신은 그들을 떨어 뜨려야합니다. 이들을 교차 효과로 포함하더라도 고정 효과와 완벽하게 동일하며 추정 할 수 없으므로 도움이되지 않습니다. 15 개의 관측치가있는 최대 우도 또는 REML 모델은 의미가 없습니다. 최대 우도 이론의 점근 적 결과는 효과가 없습니다. 이것은 쟁기질 분야에서 운전하려고하는 페라리입니다.

— StasK
소스

모델에 랜덤 효과와 고정 효과가 모두있는 경우 정의에 따라 혼합 효과 모델입니다. 그것을 ANOVA 또는 회귀라고 부르는 것은 별개의 문제이자 의미 론적 질문입니다. 그러나 OP가 상호 작용에 의해 의미하는 바에 약간 당황합니다. 내가 알 수있는 한, 그는 이미 random=~nozzle|operator대신을 사용하여 그 일을하고 random=~1|operator있습니다.

— f1r3br4nd

일부 문헌에서는 중첩 된 랜덤 효과를 서로 다른 수준의 중첩 사이의 상호 작용이라고합니다. 나는 Pinheiro & Bates에서도 이것을 본 것 같아요. 나는 이것을 올바르게 표현하는 것이 의미론의 문제라는 데 동의하지만 this-does-not-have-to-be-a-mixed-model태그 를 도입하려고 생각하고 있습니다. mixed-models내가 보게 될 질문의 3 분의 2 에서 그 효과에 대해 말하는 것이 내 대답의 일부입니다.

— StasK

웃긴, 나는 사람들이 혼합 모델을 충분히 사용하지 않는다고 말하는 데 많은 시간을 보냅니다. 나는 실제로 내 인생을 다소 단순화하기 때문에 잘못하고 싶습니다. 혼합 모델이 필요한시기를 결정하기 위해 OP의 경험칙을 무엇이라고 말 하시겠습니까?

— f1r3br4nd

오, 그럼 당신은 악당입니다. 이것은 하나의 범주 형 예측 변수를 가지고 있기 때문에 앞에서 말한 것처럼 분산 분석 모델입니다. 만약 당신이 다른 수준의 정보를 가지고 있다면 (예를 들어, 주, 학교, 학생에 관한 데이터를 가진 주립 학교 학생들), 그것은 혼합 된 모델처럼 들릴 것입니다. 기본적으로 이것을 제곱의 합으로 할 수 있다면 그것은 분산입니다. 이것을 회귀 모델로 할 수 있다면 그것은 회귀 모델입니다. 최대 가능성 / REML을 수행하는 것이 절대적으로 피할 수없는 경우 (이진 응답 사례에서와 같이), 그것은 혼합 된 모델입니다.

— StasK