lmer模型的误差与lsmeans输出

Question

我正在使用lme4包运行LME模型，然后使用lsmeans包进行成对的比较。

这是我的代码：

lmer_full <- lmer (VOT ~ Place*Laryngeal + (1+Place+Laryngeal|Sp), 
    data = LME,control=lmerControl(optCtrl=list(maxfun=50000)))

lsmeans (lmer_full, pairwise~Laryngeal|Place)

但是，在运行lmer后，我会得到以下错误消息

固定效应模型矩阵缺乏秩，因此下降1列/系数。 警告信息： 1:在checkConv(attr(opt，“衍生物”)中，选择$par，ctrl = control$checkConv，：无法计算缩放梯度 2:在checkConv(attr(opt，“导数”)中，opt$par，ctrl = control$checkConv，：Model未能收敛:退化Hessian，具有1个负特征值

然后运行lsmeans后的另一个错误：

base::chol2inv(x, ...) : 'a'中的错误必须是数字矩阵

以下是我的数据结构：

​

​

如果有人能告诉我模特出了什么问题，我会非常感激的。

Answer 1

博士我不能完全重现你的错误，但我可以接近你。您的数据集很可能太小/太吵，不适合您想要安装的模型(您得到了一个单一的模型)；使用emmeans包(它是lsmeans的继承者)会有所帮助，但是您可能应该简化您的模型。

1. 从一个大的、完全交叉的数据集开始：

library(lme4)
library(emmeans)
dd <- expand.grid(Place=factor(1:3),Laryngeal=factor(1:3),
                  Sp=factor(1:10),rep=6)
set.seed(101)
dd$y <- rnorm(nrow(dd))

This works fine:

m1 <- lmer(y~Place*Laryngeal + (1+Place+Laryngeal|Sp), dd)
emmeans(m1,pairwise~Laryngeal|Place)  ## lsmeans() also works

1. 减少数据集(删除一个级别组合)会导致“固定效果模型矩阵缺乏秩”的消息，但一切都不一样：

dd_missing <- subset(dd,!(Place=="2" & Laryngeal=="2"))
m2 <- update(m1, data=dd_missing)
emmeans(m2,pairwise~Laryngeal|Place) ## lsmeans() also works

1. 如果我们随机地将数据的一小部分进行子采样，我们就可以得到错误，尽管我无法在处理数据时不让lmer忽略数据集中的其他一些问题(对于指定的随机效应的数量，没有足够的样本)：

set.seed(102)
dd_small <- dd_missing[sample(1:nrow(dd_missing),
                              size=round(nrow(dd_missing)*0.3),
                              replace=FALSE),]
m3 <- update(m1, data=dd_small,
             control=lmerControl(check.nobs.vs.nlev="ignore",
                                 check.nobs.vs.nRE="ignore",
                                 optCtrl=list(maxfun=50000)))


emmeans(m3,pairwise~Laryngeal|Place)  ## works (sort of)
lsmeans::lsmeans(m3,pairwise~Laryngeal|Place)  ## fails

1. 最后，简化模型会使事情变得更好：

m4 <- update(m3, . ~ Place*Laryngeal + (1+Place|Sp))
emmeans(m4,pairwise~Laryngeal|Place)
lsmeans::lsmeans(m4,pairwise~Laryngeal|Place)