R 二分变量混合模型的lme函数：第1区第0级后解的奇异性_R_Statistics_Regression_Lme4_Mixed Models

R 二分变量混合模型的lme函数：第1区第0级后解的奇异性

r statistics

R 二分变量混合模型的lme函数：第1区第0级后解的奇异性,r,statistics,regression,lme4,mixed-models,R,Statistics,Regression,Lme4,Mixed Models,我正在调整一个考虑一些协变量的固定效应模型。关于模型的说明，其中两个协变量是嵌套的，具有固定效应。请注意下面的错误正在发生 library(nlme) library(lme4) dados$VarCat=as.factor(dados$VarCat) dados$VarX5=as.factor(dados$VarX5) dados$VarX6=as.factor(dados$VarX6) modelANew <- lme(log(Resp)~log(VarX1)+log(VarX2)

我正在调整一个考虑一些协变量的固定效应模型。关于模型的说明，其中两个协变量是嵌套的，具有固定效应。请注意下面的错误正在发生

library(nlme)
library(lme4)

dados$VarCat=as.factor(dados$VarCat)
dados$VarX5=as.factor(dados$VarX5)
dados$VarX6=as.factor(dados$VarX6)

modelANew <- lme(log(Resp)~log(VarX1)+log(VarX2)+(VarX3)+(VarX4)+VarX5/VarX6 ,random = ~1|VarCat, 
                 dados, method="REML")

Error in MEEM(object, conLin, control$niterEM) : 
  Singularity in backsolve at level 0, block 1

库（nlme）
图书馆（lme4）
护墙板$VarCat=as.factor（护墙板$VarCat）
护墙板$VarX5=基准系数（护墙板$VarX5）
护墙板$VarX6=基准系数（护墙板$VarX6）
modelANew您的数据在某种程度上是不平衡的，这使得固定效应模型排名不足（如果您愿意，也可以是多重共线性）。当您包括X5/X6
时，您是在说明您想要估计X5
和X6
的所有组合的效果。然而：
with(dd, table(VarX6,VarX5))
     VarX5
VarX6   A   B   H IND   Q   S   T
    0   2   9  94 155   0   1  15
    1   0   0   0   0   8   0   0

只有VarX5=Q
在VarX6=1
级别上进行过测量，并且从未在VarX6=0
级别上进行过测量。这意味着VarX6
变量及其与VarX5
的交互是冗余信息
正如注释中指出的，如果您在lme4:：lmer（）
中运行此操作，它将自动为您删除冗余列，并显示一条消息：
library(lme4)
m2 <- lmer(log(Resp)~log(VarX1)+log(VarX2)+(VarX3)+(VarX4)+
                     VarX5/VarX6 + (1|VarCat),
                 dd, REML=TRUE)

这个问题很类似于。当你有这样不平衡的设计时，“怎么办”不是一个简单答案的问题

您可以自己从模型中删除术语（例如，在这种情况下，您无法真正估计VarX6
，因为它与VarX5
完全冗余，所以将模型中的VarX5/VarX6
替换为VarX5
您可以使用诸如lmer
之类的函数来自动删除术语

你不能做的是实际估计VarX5/VarX6
——你的设计不包括这些信息。这有点像说“我想估计汽车颜色对速度的影响，但我只测量红色汽车”。你的数据不平衡，这使得固定效果模型排名不足（或多重共线，如果您愿意）。当您包括X5/X6
时，您表示希望估计X5
和X6
的所有组合的效果。但是：
with(dd, table(VarX6,VarX5))
     VarX5
VarX6   A   B   H IND   Q   S   T
    0   2   9  94 155   0   1  15
    1   0   0   0   0   8   0   0

只有VarX5=Q
在VarX6=1
级别上被测量，而它从来没有在VarX6=0
级别上被测量过。这意味着VarX6
变量及其与VarX5
的交互是冗余信息
正如注释中指出的，如果您在lme4:：lmer（）
中运行此操作，它将自动为您删除冗余列，并显示一条消息：
library(lme4)
m2 <- lmer(log(Resp)~log(VarX1)+log(VarX2)+(VarX3)+(VarX4)+
                     VarX5/VarX6 + (1|VarCat),
                 dd, REML=TRUE)

这个问题非常类似于。当你有这样不平衡的设计时，“怎么办”不是一个简单答案的问题

您可以自己从模型中删除术语（例如，在这种情况下，您无法真正估计VarX6
，因为它与VarX5
完全冗余，所以将模型中的VarX5/VarX6
替换为VarX5
您可以使用诸如lmer
之类的函数来自动删除术语

你不能做的是实际估计VarX5/VarX6
——你的设计没有包括这些信息。这有点像说“我想估计汽车颜色对速度的影响，但我只测量红色汽车。”
看起来它在使用lmer
时起作用：lmer（log（Resp）~log（VarX1）+log（VarX2）+（VarX3）+（VarX4）+VarX5/VarX6+（1 | VarCat，data=dados）
我可能应该关闭它，因为当使用lmer
时，它看起来很有效：lmer（log（Resp）~log（VarX1）+log（VarX2）+（VarX3）+（VarX4）+x5/VarX6+（1 | VarCat，data=dados）
Ben Bolker，你能帮我解决这个问题吗？Ben Bolker，你能帮我解决这个问题吗？