R glmmadmb（…）中出错函数最大化器失败（找不到STD文件）

这很好：

fit.mc1 <-MCMCglmm(bull~1,random=~school,data=dt1,family="categorical",
prior=list(R=list(V=1, fix=1), G=list(G1=list(V=1, nu=0))), slice=T)

它会生成以下错误：

Error in glmmadmb(bull~ 1 + (1 | school), data = dt1, family = "binomial", : 
The function maximizer failed (couldn't find STD file)
In addition: Warning message:
running command '<snip>\cmd.exe <snip>\glmmadmb.exe" -maxfn 500 -maxph 5 
-noinit -shess -mcmc 5000 -mcsave 5 -mcmult 1' had status 1 

glmmadmb（bull~1+（1 | school）中的

错误，数据=dt1，family=“二项式”
函数最大化器失败（找不到STD文件）
此外：警告信息：
正在运行命令'\cmd.exe\glmmadmb.exe“-maxfn 500-maxph 5
-诺伊尼特-谢斯-mcmc 5000-mcsave 5-mcmult 1“状态为1”

Hmmm.是否有可能得到可复制的示例

下面这个简单的模拟案例似乎是可行的（尽管

glmmADMB

与

mcmc

相比

MCMCglmm

要慢得多，但对我来说，它实际上还没有完成，尽管它似乎在毫无怨言地进行着）

对于这种简单的案例，我怀疑

glmmADMB

主要由

MCMCglmm

控制，但如果你与反贝叶斯裁判打交道，它可能会很有用

nschool <- 20
nrep <- 20
dt1 <- expand.grid(school=LETTERS[1:nschool],rep=seq(nrep))
set.seed(101)
u.school <- rnorm(nrep)
dt1$eta <- u.school[dt1$school]
dt1$bull <- rbinom(nrow(dt1),size=1,prob=plogis(dt1$eta))

library(MCMCglmm)
fit.mc1 <-MCMCglmm(bull~1,random=~school,data=dt1,family="categorical",
                   prior=list(R=list(V=1, fix=1), G=list(G1=list(V=1, nu=0))),
                   slice=TRUE)

library(lme4)
fit.glmer <- glmer(bull~(1|school),data=dt1,family=binomial)

library(glmmADMB)
fit.mc12 <- glmmadmb(bull~1+(1|school), data=dt1, family="binomial", 
                     mcmc=TRUE, mcmc.opts=mcmcControl(mcmc=50000))

---

nschool看起来该软件包的作者之一是这里的常客，所以我猜@BenBolker最终会出现并提供一些帮助。我想我可能已经解决了这个问题。我想它可能需要
glmmadmb（bull~1+（1 | school）…
，但是，在做了这个更改之后，现在我发现glmmadmb中出现了
错误（bull~1+（1 | school），data=dt1，family=“二项式”：函数最大化器失败（找不到STD文件）
反贝叶斯裁判！？我希望我知道这意味着什么。我有一个想法-与出版研究有关的东西？很遗憾我还在上高中，但有一天……无论如何，一个可复制的例子：我的数据集太大了，无法发布，但我会尽量减少它。老实说，我正在调查
glmmadmb
，因为
MCMCglmm
太慢了-但我也在尝试我能找到的所有glmm软件包！这个模型只是一个空模型-我还有更复杂的模型，有8个一级预测值，还有一个有更多观察值和随机斜率的年份指标。高中？？？男孩，我觉得自己老了吗（我可以向你保证，我在高中时没有安装GLMMs）。一般来说，
glmer
可能是最快的（但不会给出基于MCMC的置信区间），
MCMCglmm
会稍微慢一点，
glmmADMB
对于点估计来说是合理的，但是对于MCMC结果来说会慢得多。请在…查看软件包比较，谢谢-我在写完这篇文章后将阅读链接。是的，我发现
glmer
速度很快，但我需要随机效应的置信区间。我试图我自己的代码使用
glmer
进行引导，但在我修正了采样以尊重数据层次结构之后，它花费了很长时间才运行（甚至不确定我做的采样是否正确-先从学校采样，然后替换，然后从学生中采样，学生仅从“属于”相应学校的学生中采样”？）。我在某个地方读到lme4中有一个
bootMer
，但我甚至找不到该函数。我现在已经阅读了链接。似乎我最好还是坚持使用
mcmcgclm
-我已经尝试在我的一小部分数据
data=dt1[1:100]上运行
glmmADMB
但一个小时后它仍然没有完成……但它没有生成错误。
Error in glmmadmb(bull~ 1 + (1 | school), data = dt1, family = "binomial", : 
The function maximizer failed (couldn't find STD file)
In addition: Warning message:
running command '<snip>\cmd.exe <snip>\glmmadmb.exe" -maxfn 500 -maxph 5 
-noinit -shess -mcmc 5000 -mcsave 5 -mcmult 1' had status 1 

nschool <- 20
nrep <- 20
dt1 <- expand.grid(school=LETTERS[1:nschool],rep=seq(nrep))
set.seed(101)
u.school <- rnorm(nrep)
dt1$eta <- u.school[dt1$school]
dt1$bull <- rbinom(nrow(dt1),size=1,prob=plogis(dt1$eta))

library(MCMCglmm)
fit.mc1 <-MCMCglmm(bull~1,random=~school,data=dt1,family="categorical",
                   prior=list(R=list(V=1, fix=1), G=list(G1=list(V=1, nu=0))),
                   slice=TRUE)

library(lme4)
fit.glmer <- glmer(bull~(1|school),data=dt1,family=binomial)

library(glmmADMB)
fit.mc12 <- glmmadmb(bull~1+(1|school), data=dt1, family="binomial", 
                     mcmc=TRUE, mcmc.opts=mcmcControl(mcmc=50000))