lme4: Обработка lmer "код конвергенции: 0" - PullRequest
Новая
       93

lme4: Обработка lmer "код конвергенции: 0"

1 голос
/ 31 января 2020

В настоящее время я рассчитываю многоуровневый анализ с 32 странами (страновая переменная "CNTRY3"). Зависимой переменной является готовность платить за охрану окружающей среды "ВСЗ" (шкала 1 - 5, по центру). Я включил четыре случайных наклона в третий этап (случайный перехват случайного наклона) многоуровневого анализа (я хотел бы изменить их на основе моей теории):

  • RINC_ALL_z -> Доход на человека (z-стандартизированный)
  • social_trust (по шкале 1 - 5, по центру) -> доверие к другим людям
  • polit_trust (по шкале 1 - 5, по центру) -> доверие к политике
  • EC_cen (масштаб 1 - 5, по центру) -> Экологическая осведомленность

. 

modell.3a <- lmer(WTP ~ RINC_ALL_z + social_trust_cen + political_trust_cen + 
                   Men + lowest_degree + middle_degree + requirement_university +
                   uncompleted_university + university_degree + AGE_cen + urban + 
                   EC_cen + (RINC_ALL_z + social_trust_cen + political_trust_cen + 
                               EC_cen|CNTRY3), data=ISSP2010_1)

Затем появляется сообщение об ошибке:

конвергенция code: 0 Модель не сходится с max | grad | = 0,00527884 (толь = 0,002, компонент 1)

Теперь я смог исследовать, например, если вы рассчитываете модель с помощью оптимизатора «BOBYQA», эти «предупреждения о сходимости» можно обойти. И действительно, если я вычисляю модель следующим образом, то предупреждение о сходимости больше не появляется: 

modell.3b <- lmer(WTP ~ RINC_ALL_z + social_trust_cen + political_trust_cen + 
               Men + lowest_degree + middle_degree + requirement_university +
               uncompleted_university + university_degree + AGE_cen + urban + 
               EC_cen + (RINC_ALL_z + social_trust_cen + political_trust_cen + 
                           EC_cen|CNTRY3), data=ISSP2010_1, control = lmerControl(optimizer = "bobyqa", 
                                                                                  optCtrl=list(maxfun=1e5)))

Так что я прочитал в этой очень интересной статье , что если вы используете один оптимизатор, вы следует сравнить его со всеми другими доступными оптимизаторами, чтобы выяснить, влияют ли определенные оптимизаторы на параметры регрессии. Не успел сказать, как сделал (с переменной осведомленностью об окружающей среде), я реплицировал графики статьи, но, к сожалению, оптимизаторы не находятся в одном столбце (loglikelihood / t-value), как в статье. Я приложил две фотографии здесь. Моя интерпретация заключается в сравнении логарифмического правдоподобия и сравнения t-значений, что большинство (5) оптимизаторов находятся в одном столбце (включая мой использованный «BOBYQA»), и только 2 оптимизатора отличаются от большинства оптимизаторов, поэтому мой использованный оптимизатор не должен влиять на параметры, верно?

Сравнение правдоподобия

Сравнение T-значений

Первое Вопрос в том, что делает такой оптимизатор (вы только что прочитали, что вам следует использовать оптимизаторы, чтобы избежать проблем сходимости)? Второй вопрос, который у меня есть, согласитесь ли вы с этой интерпретацией двух диаграмм?

Я был бы очень рад получить ответ, я думал об этом в течение нескольких дней ...: - (

Много поздравлений, Джерн

...