LME () Fehler - Iterationslimit erreicht

Bei der Angabe eines Modells mit gekreuzten gemischten Effekten versuche ich, Wechselwirkungen einzubeziehen. Es wird jedoch folgende Fehlermeldung angezeigt:

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

Das Modell hat folgende Eigenschaften: 1. 3 Düsentypen (fester Effekt) 2. 5 Bediener mit jeweils 3 Wiederholungsmessungen des Kraftstoffdurchflusses aus den 3 Düsentypen.

Ich wurde gebeten, die Interaktion zwischen Düsentyp und Bediener in das Modell aufzunehmen. Dies ist mein Code für das Modell:

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

Warum sollte ich diese Fehlermeldung bekommen?

mixed-model lme4-nlme

— Tal Bashan
quelle

Willst du nicht operator|nozzlezufällig?

— Olivia Grigg

Nein, der Operator ist der Zufallseffekt.

— f1r3br4nd

Sie können> crtl = lmeControl verwenden (opt = 'optim', optimMethod = "SANN")

— AliReza Afshari Safavi

Sie sollten @ f1r3br4nds Antwort als Antwort geben

— JetLag

@AliRezaAfshariSafavi Was sind die Vorteile der Verwendung von "SANN" gegenüber dem Standard-BFGS?

— Gcamargo

Antworten:

Ich habe noch nichts von dem errorArgument gehört lmeund sehe es nicht in der Dokumentation. Bist du sicher, dass das kein Tippfehler ist? Aber um die Frage zu beantworten, die Sie gestellt haben:

Versuchen ?lmeControl

Die Einstellung maxIter, msMaxIter, niterEMund / oder msMaxEvalArgumente auf höhere Werte als die Standard kann dieses Problem beheben. Erfassen Sie die Ausgabe von lmeControlan ein Objekt und übergeben Sie dieses Objekt an das controlArgument von lme.

Oder...

Das neue Standardoptimierungsprogramm lmeverwendet ist schuppig. Die Hälfte der Zeit, in der diese Probleme für mich gelöst werden, wenn ich sie auf den alten Optimierer zurücksetze. Sie tun dies, indem Sie das optArgument für lmeControlto setzen 'optim'.

Also, füge es zusammen:

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

— f1r3br4nd
quelle

In einigen Fällen ist es vielleicht wert zu wissen, dass dies lmeControleine Funktion aus dem nlmePaket ist

— Qaswed

Erstens ist dies ein ANOVA-Modell, kein gemischtes Modell.

Zweitens scheint es mir, dass Ihr Modell nicht identifiziert wird. In Gleichungsform haben Sie

{Antwort}_{ich j} = β_{1} {Düsentyp}_{1 ich j} + β_{2} {Düsentyp}_{2 ich j} + β_{3} {Düsentyp}_{3 ich j} + {Operator}_{ich} + {Düse innerhalb des Bedieners}_{ich j}

$\mbox{response}_{ij} = \beta_1 \mbox{nozzle type}_{1ij} + \beta_2 \mbox{nozzle type}_{2ij} + \beta_3 \mbox{nozzle type}_{3ij} + \mbox{operator}_i + \mbox{nozzle within operator}_{ij}$ Wenn Düsentypen feste Effekte (Dummy-Variablen) sind, ist der Operator ein zufälliger Effekt und die Düse innerhalb des Operators ist ebenfalls ein zufälliger Effekt.

Der letzte Term hat 15 separate Werte für 15 Beobachtungen, die Sie haben. Es sind keine Freiheitsgrade mehr vorhanden, um andere Begriffe in das Modell aufzunehmen. Das Einbeziehen von Interaktionen war ein schlechter Rat. Sie müssten sie überhaupt fallen lassen; Selbst wenn sie als gekreuzte Effekte aufgenommen werden, hilft dies nichts, da sie dann perfekt mit den festen Effekten kollinear sind und nicht abschätzbar sind. Ein Maximum-Likelihood- oder REML-Modell mit 15 Beobachtungen ist nicht sinnvoll. Die asymptotischen Ergebnisse der Maximum-Likelihood-Theorie funktionieren einfach nicht: Dies ist ein Ferrari, den Sie versuchen, auf einem gepflügten Feld zu fahren.

— StasK
quelle

Wenn ein Modell sowohl zufällige als auch feste Effekte enthält, handelt es sich definitionsgemäß um ein Modell mit gemischten Effekten. Ob Sie es ANOVA oder Regression nennen, ist ein separates Thema und eine Art semantische Frage. Ich bin allerdings ein wenig verwirrt darüber, was das OP durch eine Interaktion bedeutet. Soweit ich das beurteilen kann, macht er das bereits mit random=~nozzle|operatorstatt random=~1|operator.

— f1r3br4nd

Einige Literaturstellen bezeichnen die verschachtelten Zufallseffekte als Wechselwirkungen zwischen verschiedenen Verschachtelungsebenen. Ich glaube, ich habe das sogar bei Pinheiro & Bates gesehen. Ich bin damit einverstanden, dass die korrekte Bezeichnung eine Frage der Semantik ist, aber ich denke nur an die Einführung von this-does-not-have-to-be-a-mixed-modelTags. Bei etwa zwei Dritteln der mixed-modelsFrage, die ich sehe, ist es Teil meiner Antwort, etwas in diesem Sinne zu sagen.

— StasK

Komisch, ich verbringe einen guten Teil meiner Zeit damit, den Leuten zu sagen, dass sie nicht genug gemischte Modelle verwenden. Eigentlich möchte ich mich irren, weil es mein Leben etwas vereinfachen würde. Was sagen Sie dem OP als Faustregel, um festzustellen, wann ein gemischtes Modell benötigt wird?

— f1r3br4nd

Oh, also bist du der Bösewicht. Dieser hat einen einzigen kategorialen Prädiktor, daher ist er für mich, wie ich bereits sagte, ein ANOVA-Modell. Wenn Sie Informationen auf verschiedenen Ebenen hätten (z. B. Staat \ Schule \ Schüler mit Daten zu Staaten, zur Schule und zu Schülern), würde das für mich eher nach einem gemischten Modell klingen. Wenn Sie dies als Quadratsummen durchführen können, ist das im Grunde genommen ANOVA. Wenn Sie dies als Regressionsmodell durchführen können, ist dies ein Regressionsmodell. Wenn die maximale Wahrscheinlichkeit / REML absolut unvermeidbar ist (wie im Fall einer binären Antwort), ist das für mich ein gemischtes Modell.

— StasK