基于R中离散生存分析的面板数据建模中glmer迭代次数的选择

Question

我有一个大型的面板数据集，有大约2000个人和~ 15000个观测(人/年)。我有一组时变和非时变变量和二进制结果变量(0/1)。我试着用"lme4“软件包使用glmer进行多层次的离散生存分析。

id =个人ID，survtime =事件/审查前存活期的#

我无法用如此大的数据集生成一个可重复的示例，但是下面是我的代码，

Modelsurv <- glmer(formula = outcome ~ survtime + var1(discrete-timevarying) + var2(discrete-timevarying) + var3(dummy-non timevarying) + var4(4 level categorical-non timevarying)+ (1|id),
family = binomial(cloglog),
data = dataset,
control = glmerControl(optimizer = "bobyqa",
optCtrl = list(maxfun = 2e5)))

我正在尝试复制这个这里的例子。见第8点(多级离散时间生存分析)。我不明白control = glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e5代码在做什么，在我的例子中，对于这么大的数据，如何以及如何设置它？

我尝试使用上面的代码，但得到了以下消息错误。

  unable to evaluate scaled gradient
Warning in checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model failed to converge: degenerate  Hessian with 1 negative eigenvalues

有人能帮我理解和指导我吗？我是否必须根据我添加到模型中的变量的数量和种类来进行迭代呢？

谢谢！

Answer 1

就迭代而言..。链接的文件说：

您通常可以忽略控制参数。这里使用它来增加最大迭代。

至于警告(不是错误！)去:警告是告诉你，适合是数字怀疑(这并不意味着它是错误的，只是你应该检查一些东西！)。来自?convergence

使用“allFit”尝试使用所有可用的优化器(例如，从‘optim’、‘nlminb’、.的几个不同的BOBYQA和Nelder、allFit B的实现。当然，对于大批量情况，这将是缓慢的，但我们认为它是金本位；如果所有优化器都收敛到实际等效的值，那么我们将认为收敛警告为假阳性。