lmer中具有随机和嵌套效应的混合效应模型
我想在R中使用lmer运行一个带有嵌套和随机效果的线性混合效果模型,但仍然会出现错误。两个问题:是什么导致了错误,以及如何修复模型以运行适当的分析?非常感谢 实验设计:四个地点-每个地点有2种植物,每种植物有3份材料(共6份材料)。入世本质上是一个植物种群,它们是特定植物物种所特有的。在每个地点,有两种处理方式:植物施用富氮肥料和植物施用无氮肥料。所有物种和所有材料都存在于每个地点。我收集了有关植物生长和根系特征的数据,并根据需要记录转换变量。我还将入组(代码1-6)、部位(代码1-4)和SoilN治疗(代码1和2)作为因素。所有响应变量都是连续的 数据结构:lmer中具有随机和嵌套效应的混合效应模型,r,nested,lme4,mixed-models,R,Nested,Lme4,Mixed Models,我想在R中使用lmer运行一个带有嵌套和随机效果的线性混合效果模型,但仍然会出现错误。两个问题:是什么导致了错误,以及如何修复模型以运行适当的分析?非常感谢 实验设计:四个地点-每个地点有2种植物,每种植物有3份材料(共6份材料)。入世本质上是一个植物种群,它们是特定植物物种所特有的。在每个地点,有两种处理方式:植物施用富氮肥料和植物施用无氮肥料。所有物种和所有材料都存在于每个地点。我收集了有关植物生长和根系特征的数据,并根据需要记录转换变量。我还将入组(代码1-6)、部位(代码1-4)和Soi
lf <- lmer(LogLeaf ~ SoilN * Species + (1|Species/Accession) + (1|Site),
data = a)
Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?`
summary(lf)
Linear mixed model fit by REML
t-tests use Satterthwaite approximations to degrees of freedom
['lmerMod']
Formula: LogLeaf ~ SoilN * Species + (1 | Species/Accession) + (1 |
Site)
Data: a
REML criterion at convergence: 109.5
Scaled residuals:
Min 1Q Median 3Q Max
-4.9162 -0.2557 0.1309 0.5600 1.5150
Random effects:
Groups Name Variance Std.Dev.
Accession:Species (Intercept) 0.004266 0.06531
Site (Intercept) 0.046332 0.21525
Species (Intercept) 0.038957 0.19738
Residual 0.109152 0.33038
Number of obs: 140, groups: Accession:Species, 6; Site, 4; Species, 2
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 0.90231 0.23405 0.00000 3.855 1.0000
SoilN2 0.73319 0.07247 129.76000 10.117 <2e-16 ***
SpeciesTRPR -0.45583 0.29753 0.00000 -1.532 1.0000
SoilN2:SpeciesTRPR -0.26846 0.11621 132.12000 -2.310 0.0224 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) SoilN2 SpTRPR
SoilN2 -0.166
SpeciesTRPR -0.619 0.128
SlN2:SpTRPR 0.102 -0.620 -0.223
convergence code: 0
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?
anova(lf)
Analysis of Variance Table of type III with Satterthwaite
approximation for degrees of freedom
Sum Sq Mean Sq NumDF DenDF F.value Pr(>F)
SoilN 11.5037 11.5037 1 132.11 105.392 < 2e-16 ***
Species 0.4513 0.4513 1 0.00 4.135 0.99998
SoilN:Species 0.5825 0.5825 1 132.12 5.337 0.02243 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model is nearly unidentifiable: large eigenvalue ratio
- Rescale variables?`
物种登录ID站点SoilN LeafNo对数叶高度NodNo SBMg
1台面4 250975.1 1151.178977 18.1 3 0.0876
2台面4 250975.4 1 12 1.082785 18.6 3 0.0896
3台面4 250975.4 1 120 1.303196 22.4 20 0.1395
4台面4 250975.5 1 1 8 0.908485 18.4 2 0.0727
5台面4 250975.2 1 2 57 1.756636 33.5 23 0.5665
6台面4 250975.2 1 2 60 1.778874 44.8 61 0.5394
模型:我想测试处理(SoilN)、物种和加入对植物生长和根系性状的影响。我一直在运行两个模型——一个用于物种,另一个用于加入。我想测试物种或加入与土壤N之间的相互作用,包括作为随机效应的地点,以及物种内的巢加入。我编写了以下模型:
lf <- lmer(LogLeaf ~ SoilN * Species + (1|Species/Accession) + (1|Site), data=a)
lf2 <- lmer(LogLeaf ~ SoilN * Accession + (1|Species/Accession) + (1|Site), data=a)
lf请确保在寻求帮助时提供帮助。示例数据中没有名为LogLeaf
的变量。你真的只有6个观测值并且你正试图估计所有这些参数吗?这在统计学上似乎有点不合适。也许你应该在上寻求统计帮助,而不是在这里寻求编程帮助。很抱歉。我会解决的。我向Cross Validated寻求帮助,但无法解决问题,所以我想我也应该试试这里。谢谢你的提示!你能给出CrossValidated的链接吗?很抱歉,还有一件事-我没有试图估计6个观测值的参数(我有几百个观测值)。6指的是2个植物物种特有的特定植物种群,所以我想在物种内筑巢来说明这一点。