Error de LME (): límite de iteración alcanzado

Al especificar un modelo de efectos mixtos cruzados, estoy tratando de incluir interacciones. Sin embargo, recibo el siguiente mensaje de error:

Error in lme.formula(rate ~ nozzle, random = ~nozzle | operator, data = Flow) : 
nlminb problem, convergence error code = 1
message = iteration limit reached without convergence (10)

El modelo tiene lo siguiente: 1. 3 tipos de boquillas (efecto fijo) 2. 5 operadores, cada uno con 3 medidas repetidas en el flujo de combustible de los 3 tipos de boquillas.

Se me pidió que incluyera la interacción entre el tipo de boquilla y el operador en el modelo. Este es mi código para el modelo:

flow.lme <- lme(rate ~ nozzle, error= nozzle|operator, data=Flow)

¿Por qué debería recibir este mensaje de error?

mixed-model lme4-nlme

— Tal Bashan
fuente

¿No quieres al operator|nozzleazar?

— Olivia Grigg

No, el operador es el efecto aleatorio.

— f1r3br4nd

puede usar> crtl = lmeControl (opt = 'optim', optimMethod = "SANN")

— AliReza Afshari Safavi el

Debería hacer la respuesta de @ f1r3br4nd como respuesta

— JetLag

@AliRezaAfshariSafavi ¿Cuáles son los beneficios de usar "SANN" frente a los BFGS predeterminados?

— gcamargo

Respuestas:

No he oído hablar del errorargumento lmey no lo veo en la documentación. ¿Estás seguro de que no es un error tipográfico? Pero, para responder la pregunta que hizo:

Tratar ?lmeControl

Ajuste del maxIter, msMaxIter, niterEM, y / o msMaxEvalargumentos a valores más altos que el defecto puede solucionar este problema. Capture la salida de lmeControlun objeto y luego pase ese objeto al controlargumento de lme.

O...

El nuevo optimizador predeterminado que lmeutiliza es escamoso. La mitad de las veces este tipo de problemas se resuelven cuando lo cambio de nuevo al antiguo optimizador. Para ello, establezca el optargumento para lmeControlto 'optim'.

Entonces, poniéndolo todo junto:

ctrl <- lmeControl(opt='optim');
flow.lme <- lme(rate ~ nozzle, error= nozzle|operator, control=ctrl, data=Flow);

— f1r3br4nd
fuente

En algunos casos, puede valer la pena saberlo, esa lmeControles una función del nlmepaquete

— enviado el

Primero, este es un modelo ANOVA, no un modelo mixto.

En segundo lugar, me parece que su modelo no está identificado. En forma de ecuación, tienes

{response}_{i j} = β_{1} {nozzle type}_{1 i j} + β_{2} {nozzle type}_{2 i j} + β_{3} {nozzle type}_{3 i j} + {operator}_{i} + {nozzle within operator}_{i j}

$\mbox{response}_{ij} = \beta_1 \mbox{nozzle type}_{1ij} + \beta_2 \mbox{nozzle type}_{2ij} + \beta_3 \mbox{nozzle type}_{3ij} + \mbox{operator}_i + \mbox{nozzle within operator}_{ij}$

El último término tiene 15 valores separados para 15 observaciones que tiene. No quedan grados de libertad para obtener otros términos en el modelo. Incluir interacciones fue un mal consejo. Tendrías que dejarlos caer; incluso incluirlos como efectos cruzados no ayudará, ya que serán perfectamente colineales con los efectos fijos y no serán estimables. Un modelo de probabilidad máxima o REML con 15 observaciones no tiene sentido; Los resultados asintóticos de la teoría de la máxima verosimilitud simplemente no funcionarán: este es un Ferrari que está tratando de conducir en un campo arado.

— StasK
fuente

Si hay efectos aleatorios y fijos en un modelo, entonces, por definición, es un modelo de efectos mixtos. Si lo llama ANOVA o regresión es un tema separado y una especie de pregunta semántica. Sin embargo, estoy un poco desconcertado por lo que el OP quiere decir con una interacción. Por lo que puedo decir, ya lo está haciendo usando en random=~nozzle|operatorlugar de random=~1|operator.

— f1r3br4nd

Algunas publicaciones se refieren a los efectos aleatorios anidados como interacciones entre diferentes niveles de anidamiento; Creo que incluso he visto esto en Pinheiro & Bates. Estoy de acuerdo en que decir esto correctamente es una cuestión de semántica, pero solo estoy pensando en introducir la this-does-not-have-to-be-a-mixed-modeletiqueta. En aproximadamente dos tercios de la mixed-modelspregunta que veo, decir algo al respecto es parte de mi respuesta.

— StasK

Es curioso, paso una buena parte de mi tiempo diciéndole a la gente que no están usando modelos mixtos lo suficiente. De hecho, me gustaría estar equivocado, porque simplificaría un poco mi vida. ¿Qué le diría al OP que la regla general es para determinar cuándo se necesita un modelo mixto?

— f1r3br4nd

Oh, entonces eres el villano, entonces. Este tiene un único predictor categórico, por lo que es un modelo ANOVA para mí, como dije antes. Si tuviera información en diferentes niveles (por ejemplo, estado \ escuela \ estudiantes, con datos sobre estados, escuela y estudiantes), eso me parecería más como un modelo mixto. Básicamente, si puedes hacer esto como sumas de cuadrados, eso es ANOVA; si puedes hacer esto como un modelo de regresión, ese es un modelo de regresión. Si hacer la máxima probabilidad / REML es absolutamente inevitable (como lo es en el caso de respuesta binaria), ese es un modelo mixto para mí.

— StasK