Предупреждающее сообщение в смешанной модели lme4

Question

Что означает следующее предупреждающее сообщение при установке модели 'glmer' с использованием пакета lme4?

Warning messages:
1: glm.fit: fitted probabilities numerically 0 or 1 occurred 
2: In mer_finalize(ans) : false convergence (8)

Модель, которую я пытаюсь подобрать, выглядит следующим образом:

glmer(dummy ~ constituency.coa + I(governat.part) + I(district2) + gdp.cap + lula.power + ifdm + bf.cap + year + (1 | munname), data=pool, family=binomial(link = "logit"), REML=T, verbose=T)

Спасибо

Answer 1

Для предупреждения 2 вы можете увеличить количество итераций, по умолчанию 300, чтобы увидеть, сходится ли оно, когда вы добавляете больше итераций.try:

glmer(dummy ~ constituency.coa + I(governat.part) + I(district2) + gdp.cap + lula.power + ifdm + bf.cap + year + (1 | munname), data=pool, family=binomial(link = "logit"), REML=T, verbose=T, control = list(maxIter = 600))

это меняет его с 300 итераций на 600, но вы можете попробовать больше, если это не сработает.

Answer 2

Предупреждение 1: установленные значения стали 0 или 1 для одного или нескольких наблюдений, но это не должно быть возможным при логистической регрессии.Причин много;один обсуждается на странице справки для ?glm, но это немного больше, чем указатель на какую-то другую документацию.Это всего лишь предупреждение, поэтому это может не быть проблемой, но это предупреждение о том, что что-то не так с соответствием.

Предупреждение 2: Я не знаю точного значения, но код говоритВы, что подпрограмма оптимизации объявила, что процедура подгонки сходится к оценочным значениям, но это утверждение неверно, и что подгонка на самом деле не сходится.

Одна вещь, на которую стоит обратить внимание, - есть ли проблема отделимости,где один предиктор или линейная комбинация предикторов могут идеально разделить события 0 и 1.

Я предлагаю вам следить за этим в списке рассылки R-SIG-Mixed, где есть настоящие эксперты, которые могут помочьв дальнейшем.Возможно, вам потребуется предоставить дополнительную информацию о процессе подбора (включите подробный режим) или даже данные, чтобы можно было диагностировать проблему.