R 理解和纠正glmmTMB和x2B中的错误收敛错误；lme4_R_Lme4_Glmmtmb

R 理解和纠正glmmTMB和x2B中的错误收敛错误；lme4

R 理解和纠正glmmTMB和x2B中的错误收敛错误；lme4,r,lme4,glmmtmb,R,Lme4,Glmmtmb,我正试图使用glmmTMB来运行我的模型的多次迭代，但不断得到相同的连续错误。我试图在下面解释我的实验，并插入了我试图运行的完整模型实验背景我试图建模的因变量是细菌16S基因拷贝数，在本例中用作细菌生物量的代理实验设计是，我有来自8条河流的河流沉积物，这些河流沿着污染梯度下降（冲击到原始状态）。（系数1=水流，含8个水位）对于8个流中的每个流，执行以下操作：，将沉淀物添加到6个托盘中。将其中3个托盘放入加热至13°C的人工流道中，同时将其他3个托盘加热至17°C（系数2=加热处理，2级

我正试图使用

glmmTMB

来运行我的模型的多次迭代，但不断得到相同的连续错误。我试图在下面解释我的实验，并插入了我试图运行的完整模型

实验背景我试图建模的因变量是细菌16S基因拷贝数，在本例中用作细菌生物量的代理

实验设计是，我有来自8条河流的河流沉积物，这些河流沿着污染梯度下降（冲击到原始状态）。（系数1=水流，含8个水位）

对于8个流中的每个流，执行以下操作：，将沉淀物添加到6个托盘中。将其中3个托盘放入加热至13°C的人工流道中，同时将其他3个托盘加热至17°C（系数2=加热处理，2级）。共有16个通道，加热处理被随机分配到一个通道

然后，我在四个时间点上重复测量每个河道中的3个托盘（系数3=天，4个水平）

此时此刻，我将托盘视为真正的生物复制品，而不是伪复制品，因为托盘在通道中彼此相距很远，但这有待探索

因此，总结一下：模型术语是（全部指定为因子）：

加温处理（13比17摄氏度）
流线（1,2,3,4,5,6,7,8）
日（T1、T4、T7、T14）

我提议的完整模型是

X4_tmb.nb2<-glmmTMB(CopyNo~Treatment*Stream*Time, family=nbinom2, data=qPCR)

据我从阅读中了解 @第225行，可以使用此软件包在GLMs和GLMMs之间进行交叉比较。你知道我是否理解正确吗

我还使用了

DHARMa

包来帮助验证使用

glmmTMB

未能收敛的模型和版本，通过了KStest、离散度测试、离群值测试和组合调整分位数测试，但理想情况下我不希望出现收敛错误

任何帮助都将不胜感激

这里有一群人

警告信息不幸的是，很难做到这一点：这是一项艰巨的任务。如图所示，您可以尝试其他优化器，例如include

 control = glmmTMBControl(optimizer = optim, optArgs = list(method="BFGS"))

在你的电话里。希望这将给出一个非常类似的答案（在这种情况下，您会得出结论，收敛警告可能是误报，因为不同的优化器不太可能以相同的方式失败），而没有警告。（作为第三种选择，您可以尝试上面的

method=“CG”

）（请注意，在使用替代优化器时，打印和汇总输出时存在一个小错误；如果在修复程序传播到CRAN之前正在处理此问题，您可能希望安装开发版本。）

“lme4”模型

glm.nb（）

函数不是来自

lme4

包，而是来自

MASS

包。如果您在模型中有随机效果，您将使用

glmer.nb（）

，它位于

lme4

包中。。。与上面的优化器切换测试一样，如果您使用

glmmTMB

和

glm.nb

得到类似的答案，您可以得出结论，来自

glmmTMB

的警告（实际上，来自

nlminb（）

优化器的

glmmTMB

内部调用）可能是误报

检查来自不同包的可能性/AIC是否相称的最简单方法是在两个包中匹配相同的模型，如果可能的话，例如

library(MASS)
library(glmmTMB)

quine.nb1 <- glm.nb(Days ~ Sex/(Age + Eth*Lrn), data = quine)
quine.nb2 <- glmmTMB(Days ~ Sex/(Age + Eth*Lrn), data = quine,
                     family=nbinom2)
all.equal(AIC(quine.nb1),AIC(quine.nb2))  ## TRUE

这符合（1）整体治疗效果；（2）河流间的差异，河流间处理效果的差异；（3）时间点内跨时间和跨流的变化。这仅使用2（固定：截距+处理）+3（截距方差、处理方差及其在流之间的协方差）+2（时间上的方差和时间内流之间的方差）。这不完全是“最大”模型；由于在每个流中每次都对两种处理进行测量，最后一项可以是（处理|时间/StreamID），但这会增加很多模型的复杂性。由于4组对于随机效果来说并不多，您可能会发现您希望将最后一个术语设置为

Time+（1 | Time:StreamID）

，它将时间设置为固定的，并且（时间内的流）设置为随机的…

这里有一组