来自R包的lme4请求缩放变量，即使变量已经缩放

Question

我有一个数据集，有27个变量和30,000个观测值。前17个变量是连续变量，其余变量是二进制变量。当使用指定为所有固定效果+随机效果拦截的模型运行glmer时，我一直收到一条警告消息：

In checkConv(attr(opt, "derivs"), opt$par, ctrl=control$checkConv, :
Model is nearly unidentifiable: very large eigenvalue
- Rescale variables?

所有连续变量都使用“尺度”函数进行缩放，中心和标度设置为TRUE。所以我不明白为什么我一直收到这个消息。其中一些变量有一点偏差，这会导致警告吗？

Answer 1

tl；博士如果有疑问，可以尝试使用不同的优化器，并确保结果是稳定的，但我可能愿意忽略这个警告，特别是因为您的数据集很大(>10,000枚)。

lme4报告说，参数估计估计的Hessian (二阶导数矩阵)的一些特征值很大(>500)；这意味着可能存在数值不稳定性，有时可以通过缩放和调整参数来解决(如果还没有解决)。

然而，我猜想这是由于对Hessian的错误估计，这导致了对特征值的误导性估计。这是lme4的一个肮脏的秘密--自从我们在几个版本前引入了收敛测试之后，我们就一直在努力使它们正确(这是很难的)。特别是，我们使用了Hessian的朴素有限差分近似，它对大型(>10,000次)数据集的工作效果很差.下面是一个模拟研究的例子(全这里的结果)-蓝色点是通过Richardson外推(numDeriv::hessian)估计的Hessian的最小特征值，粉色点是使用我们的朴素有限差分规则估计的最小特征值。面板有不同的优化器；顶部行不受约束，底部行夹紧到范围(0.5,5) .

​

​