Привет :) Во-первых, я знаю, что вокруг этой темы очень много постов c, но ни одна из них мне не помогла, поэтому я попробую свою удачу.
I имеют время реакции как зависимую переменную, и они обычно не распределены. Поэтому я попробовал блеск с функцией обратной гауссовой идентификации, которая очень помогла с остатками.
'basemodel1.4 = glmer(rt ~ condition + valence + (1|subject) + (1|picture), BREAK,family = inverse.gaussian(link = "identity"))'
Это была просто базовая модель, однако, настоящая гипотеза о взаимодействиях. Вот почему я продолжил эту модель (когда я все еще был на Lmer для обеих, у этой модели был значительно более низкий AI C по сравнению с первой, поэтому я действительно хотел бы заставить ее работать на glmer)
'basemodel20 = glmer(rt ~ condition * valence + (1|subject) + (1|picture), BREAK, family = inverse.gaussian(link = "identity"))'
когда я запускаю его, R выдает мне два предупреждения:
1: В checkConv (attr (opt, «производные»), opt $ par, ctrl = control $ checkConv,: модели не удалось сойтись с max | grad | = 0,337054 (tol = 0,001, компонент 1)
2: в checkConv (attr (opt, «производные»), opt $ par, ctrl = control $ checkConv,: Модель почти неопознаваема: очень большое собственное значение - Масштабировать переменные?
Для первого предупреждения я уже пытался указать оптимизатор (bobiqa), но даже при этом превышено максимальное количество оценок функций. I проверил оптимизаторы с помощью allFit, и эта функция дала мне ОК для bobiqa (если я правильно понял вывод). Это подводит меня к моему первому вопросу: есть ли способ go об этом, чтобы указать maxfun для большего испытания? по умолчанию будет 10000 для бобика. Насколько высоко рекомендуется go?
Мой второй вопрос касается перемасштабирования переменных. Я решил сделать блеск специально, поэтому мне не нужно менять RT (например, с помощью преобразования журнала). Я что-то здесь не так и масштабирование - это что-то другое, что не помешает моему DV? Если да, то как ты это делаешь? Советы по этому вопросу, приведенные в других постах, никогда не говорили о том, что их код на самом деле делает с переменной, и я не хочу просто применять случайный код (это были также довольно старые посты, поэтому я подумал, что люди, ответившие на них, могут быть не Платформа больше, чтобы спросить их).
Конечная цель - добавить 3-й предиктор с * MaCS (ответ на вопросник), но эта модель сейчас выдает мне то же предупреждение, что и для basemodel20, поэтому я решил, что сначала попробую решить проблемы с более простой моделью, поэтому пробные вычисления не занимают вечность - или это будет иметь большое значение для решения?
Надеюсь, все это имеет смысл, ха-ха? Ждем ваших советов! :)