Kesalahan LME () - batas iterasi tercapai

Dalam menentukan model efek campuran silang, saya mencoba memasukkan interaksi. Namun, saya mendapatkan pesan kesalahan berikut:

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

Model memiliki yang berikut: 1. 3 jenis nosel (efek tetap) 2. 5 operator, masing-masing dengan 3 tindakan berulang pada aliran bahan bakar dari 3 jenis nosel.

Saya diminta untuk memasukkan interaksi antara jenis nosel dan operator dalam model. Ini adalah kode saya untuk model:

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

Mengapa saya mendapatkan pesan kesalahan ini ??

mixed-model lme4-nlme

— Tal Bashan
sumber

Apakah kamu tidak ingin operator|nozzleacak?

— Olivia Grigg

Tidak, operator adalah efek acak.

— f1r3br4nd

Anda dapat menggunakan> crtl = lmeControl (opt = 'optim', optimMethod = "SANN")

— AliReza Afshari Safavi

Anda harus menjawab @ f1r3br4nd sebagai jawaban

— JetLag

@AliRezaAfshariSafavi apa manfaat menggunakan "SANN" versus BFGS default?

— gcamargo

Jawaban:

Saya belum pernah mendengar errorargumennya lmedan saya tidak melihatnya di dokumentasi. Apakah Anda yakin itu bukan kesalahan ketik? Tapi, untuk menjawab pertanyaan Anda bertanya:

Mencoba ?lmeControl

Mengatur maxIter, msMaxIter, niterEM, dan / atau msMaxEvalargumen untuk nilai yang lebih tinggi dari default dapat memperbaiki hal ini. Tangkap output dari lmeControlke objek dan kemudian meneruskan objek itu ke controlargumen lme.

Atau...

Penggunaan pengoptimal default baru lmeserpihan. Separuh dari waktu masalah-masalah ini diselesaikan untuk saya ketika saya mengubahnya kembali ke pengoptimal lama. Anda melakukan ini dengan menetapkan optargumen untuk lmeControluntuk 'optim'.

Jadi, menyatukannya:

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

— f1r3br4nd
sumber

Dalam beberapa kasus mungkin perlu diketahui, itu lmeControladalah fungsi dari nlmepaket

— Qaswed

Pertama, ini adalah model ANOVA, bukan model campuran.

Kedua, menurut saya model Anda tidak teridentifikasi. Dalam bentuk persamaan, Anda punya

{tanggapan}_{saya j} = β_{1} {jenis nozzle}_{1 saya j} + β_{2} {jenis nozzle}_{2 saya j} + β_{3} {jenis nozzle}_{3 saya j} + {operator}_{saya} + {nozzle di dalam operator}_{saya j}

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

Istilah terakhir memiliki 15 nilai terpisah untuk 15 pengamatan yang Anda miliki. Tidak ada derajat kebebasan yang tersisa untuk mendapatkan ketentuan lain dalam model. Termasuk interaksi adalah saran yang buruk. Anda harus menjatuhkannya apa pun; bahkan memasukkan mereka sebagai efek silang tidak akan membantu, karena mereka kemudian akan menjadi sempurna sejajar dengan efek tetap, dan tidak akan dapat diperkirakan. Model kemungkinan maksimum atau REML dengan 15 pengamatan tidak masuk akal; hasil asimtotik dari teori kemungkinan maksimum tidak akan berfungsi: ini adalah Ferrari yang Anda coba kendarai di ladang yang dibajak.

— Tugas
sumber

Jika ada efek acak dan tetap dalam suatu model maka menurut definisi itu adalah model efek campuran. Apakah Anda menyebutnya ANOVA atau regresi adalah masalah terpisah dan semacam pertanyaan semantik. Namun saya agak bingung dengan apa yang dimaksud OP dengan suatu interaksi. Sejauh yang saya tahu, dia sudah melakukannya dengan menggunakan random=~nozzle|operatoralih-alih random=~1|operator.

— f1r3br4nd

Beberapa literatur mengacu pada efek acak bersarang sebagai interaksi antara berbagai tingkat bersarang; Saya pikir saya pernah melihat ini di Pinheiro & Bates. Saya setuju bahwa menyebut ini dengan benar adalah masalah semantik, tetapi saya hanya berpikir untuk memperkenalkan this-does-not-have-to-be-a-mixed-modeltag. Pada sekitar dua pertiga dari mixed-modelspertanyaan yang saya dapat temui, mengatakan sesuatu untuk efek itu adalah bagian dari jawaban saya.

— Tugas

Lucu, saya menghabiskan sebagian besar waktu saya untuk memberi tahu orang-orang bahwa mereka tidak cukup menggunakan model campuran. Saya sebenarnya ingin salah, karena itu akan menyederhanakan hidup saya. Apa yang akan Anda sampaikan kepada OP aturan praktis untuk menentukan kapan model campuran diperlukan?

— f1r3br4nd

Oh, jadi kamu penjahatnya, kalau begitu. Yang ini memiliki satu prediktor kategori tunggal, jadi ini adalah model ANOVA bagi saya, seperti yang saya katakan sebelumnya. Jika Anda memiliki informasi di tingkat yang berbeda (misalnya, siswa sekolah negeri, dengan data negara, sekolah, dan siswa), itu akan terdengar lebih seperti model campuran bagi saya. Pada dasarnya, jika Anda bisa melakukan ini sebagai jumlah kuadrat, itu ANOVA; jika Anda dapat melakukan ini sebagai model regresi, itu adalah model regresi. Jika melakukan kemungkinan maksimum / REML benar-benar tidak dapat dihindari (seperti dalam kasus respons biner), itu adalah model campuran yang baik bagi saya.

— Tugas