Проблема сходимости с большим количеством групповых кластеров в многомерном моделировании с предсказанием логистической регрессии с использованием случайного перехвата в lme4 - PullRequest
0 голосов
/ 27 февраля 2019

Моя цель - разработать модель прогнозирования, которая может быть использована для оценки вероятности распространения опухоли вне органа.Распространение опухоли может произойти на правой или левой стороне.Популяция состоит из пациентов с опухолью в их органе, и обе половины органа (левая и правая сторона) рассматриваются как отдельные случаи.Таким образом, каждый пациент представляет две половины органа, и каждая половина органа включена в набор данных как отдельный случай.Это означает, что данные кластеризованы, и я хочу исправить это, используя случайный перехват с пакетом lme4.В наборе 1977 наблюдений и около 1000 групп.Я получаю следующую ошибку, если создаю подгонку:

fitr <- glmer(formula = EPE ~ age + Epstein + mriece + RTsuspect + psadcombi  +(1 | Hospital), 
              data = develop.compl, 
              family = binomial)

Warning message:

In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :

  Model failed to converge with max|grad| = 0.00152473 (tol = 0.001, component 1)

fitr <- glmer(formula = EPE ~ age + Epstein + mriece + RTsuspect + psadcombi + 
                              (1 | record_id), 
              data = develop.compl, 
              family = binomial)

Warning messages:

1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :

  Model failed to converge with max|grad| = 0.533044 (tol = 0.001, component 1)

2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :

  Model is nearly unidentifiable: very large eigenvalue

 - Rescale variables?

Есть идеи, почему возникает эта ошибка?Это потому, что у меня есть набор данных с слишком большим количеством включенных групп?

...