二项式时间GAMM不收敛(R::mgcv)
我对混合效应模型和加性模型都是新手,所以如果这里的答案是琐碎的,我很抱歉 我收集了一些代谢化学物质(M1,M2…),协变量(时间,种族,性别…)和疾病状态(D,D二进制)的数据。我试图根据从GEE变量选择中选择的变量生成GAMM 数据:二项式时间GAMM不收敛(R::mgcv),r,mixed-models,gam,mgcv,R,Mixed Models,Gam,Mgcv,我对混合效应模型和加性模型都是新手,所以如果这里的答案是琐碎的,我很抱歉 我收集了一些代谢化学物质(M1,M2…),协变量(时间,种族,性别…)和疾病状态(D,D二进制)的数据。我试图根据从GEE变量选择中选择的变量生成GAMM 数据: 8例,51例对照 每个受试者大约有10个时间点 约630次观察 M1,M2…M3是代谢物,其中许多是由共同部分形成的,代谢物水平相互关联,因为它们竞争相同的组成部分 协变量将受试者分为亚组 这是我现在的模型: > b = gamm(D.binary ~
- 8例,51例对照
- 每个受试者大约有10个时间点
- 约630次观察
- M1,M2…M3是代谢物,其中许多是由共同部分形成的,代谢物水平相互关联,因为它们竞争相同的组成部分
- 协变量将受试者分为亚组
> b = gamm(D.binary ~ Time + s(M1) ,
random = list(ParticipantID = ~ 1 + Time), niterPQL=50,
data = NEC_data, family=binomial(link="logit"))
Maximum number of PQL iterations: 50
iteration 1
iteration 2
...
iteration 49
iteration 50
Warning message:
In gammPQL(y ~ X - 1, random = rand, data = strip.offset(mf), family = family, :
gamm not converged, try increasing niterPQL
> plot(b$gam,pages=1)
任何关于进入多维空间的建议也将不胜感激
附加
我还用离散疾病分类(控制:0,1疾病:2,3)和泊松噪声尝试了这个模型
> b = gamm(NEC ~ DPP + s(DSLNT_ug.mL) ,
+ random = list(ParticipantID = ~ 1 + DPP), niterPQL=20,
+ data = NEC_data, family=poisson)
Maximum number of PQL iterations: 20
iteration 1
iteration 2
...
iteration 19
iteration 20
Error in solve.default(pdMatrix(a, factor = TRUE)) :
system is computationally singular: reciprocal condition number = 3.13906e-19
每个参与者有多少分?逻辑回归的诊断图永远不会看起来“正确”(正如你从高斯回归的正态分布残差中所期望的那样)。@RomanLuštrik每个受试者大约有10个样本。受试者每隔一天取样一次,持续约20天。另外)是否有不同的检查,我应该运行的物流?另外)我发现logistic GAMM的用法很少,GAMM不适用于logistic回归吗?我认为这个问题最好在crossvalidated.com上解决。
> b = gamm(D.binary ~ Time + s(M1) + s(M2) ,
random = list(ParticipantID = ~ 1 + Time), niterPQL=20, correlation = corLin(),
data = NEC_data, family=binomial(link="logit"))
Maximum number of PQL iterations: 20
iteration 1
iteration 2
Error in lme.formula(fixed = fixed, random = random, data = data, correlation = correlation, :
nlminb problem, convergence error code = 1
message = false convergence (8)
> b = gamm(NEC ~ DPP + s(DSLNT_ug.mL) ,
+ random = list(ParticipantID = ~ 1 + DPP), niterPQL=20,
+ data = NEC_data, family=poisson)
Maximum number of PQL iterations: 20
iteration 1
iteration 2
...
iteration 19
iteration 20
Error in solve.default(pdMatrix(a, factor = TRUE)) :
system is computationally singular: reciprocal condition number = 3.13906e-19