Ich habe in diesem Forum Fragen dazu gesehen, und ich habe sie auch selbst in einem früheren Beitrag gestellt, aber ich konnte mein Problem immer noch nicht lösen. Deshalb versuche ich es erneut und formuliere die Frage diesmal so klar wie möglich mit möglichst detaillierten Informationen.
Mein Datensatz enthält eine binomialabhängige Variable, 3 kategoriale feste Effekte und 2 kategoriale zufällige Effekte (Element und Betreff). Ich verwende ein Modell mit gemischten Effekten glmer(). Folgendes habe ich in R eingegeben:
modelall<- glmer(moodR ~ group * context * condition + (1|subject) + (1|item),
data = RprodHSNS, family = "binomial")
Ich bekomme 2 Warnungen:
Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 0.02081 (tol = 0.001, component 11)
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?`
Meine Zusammenfassung sieht folgendermaßen aus:
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: moodR ~ group * context * condition + (1 | subject) + (1 | item)
Data: RprodHSNS`
AIC BIC logLik deviance df.resid
1400.0 1479.8 -686.0 1372.0 2195 `
Scaled residuals:
Min 1Q Median 3Q Max
-8.0346 -0.2827 -0.0152 0.2038 20.6578 `
Random effects:
Groups Name Variance Std.Dev.
item (Intercept) 1.475 1.215
subject (Intercept) 1.900 1.378
Number of obs: 2209, groups: item, 54; subject, 45
Fixed effects:`
Estimate Std. Error z value Pr(>|z|)`
(Intercept) -0.61448 42.93639 -0.014 0.988582
group1 -1.29254 42.93612 -0.030 0.975984
context1 0.09359 42.93587 0.002 0.998261
context2 -0.77262 0.22894 -3.375 0.000739***
condition1 4.99219 46.32672 0.108 0.914186
group1:context1 -0.17781 42.93585 -0.004 0.996696
group1:context2 -0.10551 0.09925 -1.063 0.287741
group1:condition1 -3.07516 46.32653 -0.066 0.947075
context1:condition1 -3.47541 46.32648 -0.075 0.940199
context2:condition1 -0.07293 0.22802 -0.320 0.749087
group1:context1:condition1 2.47882 46.32656 0.054 0.957328
group1:context2:condition1 0.30360 0.09900 3.067 0.002165 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) group1 cntxt1 cntxt2 cndtn1 grp1:cnt1 grp1:2 grp1:cnd1 cnt1:1 cnt2:1 g1:1:1
group1 -1.000
context1 -1.000 1.000
context2 0.001 0.000 -0.001
condition1 -0.297 0.297 0.297 0.000
grp1:cntxt1 1.000 -1.000 -1.000 0.001 -0.297
grp1:cntxt2 0.001 0.000 0.000 -0.123 0.000 0.000
grp1:cndtn1 0.297 -0.297 -0.297 -0.001 -1.000 0.297 0.000
cntxt1:cnd1 0.297 -0.297 -0.297 -0.001 -1.000 0.297 0.001 1.000
cntxt2:cnd1 0.000 0.000 -0.001 0.011 0.001 0.000 -0.197 -0.001 -0.001
grp1:cnt1:1 -0.297 0.297 0.297 0.001 1.000 -0.297 -0.001 -1.000 -1.000 0.001
grp1:cnt2:1 0.000 0.000 0.001 -0.198 0.000 -0.001 0.252 0.000 0.001 -0.136 0.000
Extrem hohe p-Werte, was nicht möglich zu sein scheint.
In einem früheren Beitrag habe ich gelesen, dass eines der Probleme behoben werden kann, indem die Anzahl der Iterationen erhöht wird, indem Folgendes in den Befehl eingefügt wird:
glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 100000))Also das habe ich getan:
modelall <- glmer(moodR ~ group * context * condition + (1|subject) + (1|item),
data = RprodHSNS, family = "binomial",
glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 100000)))
Jetzt ist die zweite Warnung weg, aber die erste ist noch da:
> Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 0.005384 (tol = 0.001, component 7)
Die Zusammenfassung sieht auch noch seltsam aus:
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: moodR ~ group * context * condition + (1 | subject) + (1 | item)
Data: RprodHSNS
Control: glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 1e+05))`
AIC BIC logLik deviance df.resid
1400.0 1479.8 -686.0 1372.0 2195
Scaled residuals:
Min 1Q Median 3Q Max
-8.0334 -0.2827 -0.0152 0.2038 20.6610
Random effects:
Groups Name Variance Std.Dev.
item (Intercept) 1.474 1.214
subject (Intercept) 1.901 1.379
Number of obs: 2209, groups: item, 54; subject, 45
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.64869 26.29368 -0.025 0.980317
group1 -1.25835 26.29352 -0.048 0.961830
context1 0.12772 26.29316 0.005 0.996124
context2 -0.77265 0.22886 -3.376 0.000735 ***
condition1 4.97325 22.80050 0.218 0.827335
group1:context1 -0.21198 26.29303 -0.008 0.993567
group1:context2 -0.10552 0.09924 -1.063 0.287681
group1:condition1 -3.05629 22.80004 -0.134 0.893365
context1:condition1 -3.45656 22.80017 -0.152 0.879500
context2:condition1 -0.07305 0.22794 -0.320 0.748612
group1:context1:condition1 2.45996 22.80001 0.108 0.914081
group1:context2:condition1 0.30347 0.09899 3.066 0.002172 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) group1 cntxt1 cntxt2 cndtn1 grp1:cnt1 grp1:2 grp1:cnd1 cnt1:1 cnt2:1 g1:1:1
group1 -1.000
context1 -1.000 1.000
context2 0.000 0.000 0.000
condition1 0.123 -0.123 -0.123 -0.001
grp1:cntxt1 1.000 -1.000 -1.000 0.001 0.123
grp1:cntxt2 0.001 0.000 0.000 -0.123 0.001 0.000
grp1:cndtn1 -0.123 0.123 0.123 0.000 -1.000 -0.123 -0.001
cntxt1:cnd1 -0.123 0.123 0.123 0.000 -1.000 -0.123 0.000 1.000
cntxt2:cnd1 0.000 0.000 0.000 0.011 -0.001 0.000 -0.197 0.001 0.001
grp1:cnt1:1 0.123 -0.123 -0.123 0.000 1.000 0.123 0.000 -1.000 -1.000 -0.001
grp1:cnt2:1 0.000 -0.001 0.001 -0.198 0.001 -0.001 0.252 -0.001 0.000 -0.136 0.000
Was kann ich tun, um das zu lösen? Oder kann mir jemand sagen, was diese Warnung überhaupt bedeutet (auf eine Weise, die ein R-Neuling wie ich verstehen kann)?