增加迭代次数是否会影响log-lik、AIC等？

Question

每当我试图在不同的优化器的帮助下解决我的glmer模型中的收敛问题时，我都会使用新的优化器重复整个模型优化过程。也就是说，我使用新的优化器重新运行到目前为止我计算过的所有模型，并再次与anova ()进行比较。我这样做是因为据我所知，不同的优化器可能会导致同一模型和同一模型的AICs和log-lik比率的差异，从而使使用不同优化器的两个模型之间的比较成为问题。

在我最近的分析中，我增加了使用optCtrl=list(maxfun=100000)的迭代次数，以避免收敛错误。我现在想知道这是否也会导致同一型号的AIC/log-lik等方面的差异？比较两个在包含optCtrl=list(maxfun=100000)参数方面存在差异的模型是否同样有问题？

我实际上认为增加迭代次数只会导致更长的计算时间(而不是不同的结果)，但我无法在网上验证这一点。如有任何提示/解释，欢迎光临。

Answer 1

据我所知，你应该会没事的。只要模型与相同数量的观察值拟合，您就可以使用AIC对它们进行比较。希望其他人可以评论AIC本身计算的细微差别，但我只是用相同的公式和数据集以及不同的最大迭代次数拟合了一堆模型，每次都得到AIC。它不会随着迭代次数的增加而改变。迭代只是模型拟合过程可以花费的时间来最大化可能性，对于复杂的模型来说，这可能是棘手的。一旦模型是合适的，并在答案上收敛，迭代次数应该不会改变模型本身的任何东西。

如果你看这个问题，最上面的答案很好地解释了AIC：https://stats.stackexchange.com/questions/232465/how-to-compare-models-on-the-basis-of-aic