尝试在 R 中使用泊松分布拟合 glmer 时出错：PIRLS 步骤减半未能减少 pwrssUpdate 中的偏差

Question

我正在运行的模型不会收敛/显示错误。您对使用非正态焦点数据有什么建议吗？大多数数据都是零膨胀或高度倾斜的。

我想要运行的模型是这样的（响应只是一个例子）：

model <- glmer(Duration_behavior_1 ~ 
                 status * days_since_event +
                 focal_age + 
                 focal_rank +
                 pink +
                 year + 
                 hour +
                 (1|FocalID) + 
                 (1|partner.ID),
               family = 'poisson',
               offset = Focal_duration,
               data = data)

但我收到此错误：

Error in (function (fr, X, reTrms, family, nAGQ = 1L, verbose = 0L, maxit = 100L,  :
  (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate

我认为问题在于偏移。如果我删除它，我会收到此警告：

Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model failed to converge with max|grad| = 0.00252314 (tol = 0.002, component 1)
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model is nearly unidentifiable: very large eigenvalue
 - Rescale variables?;Model is nearly unidentifiable: large eigenvalue ratio
 - Rescale variables?

但是，当然，需要偏移量来控制观察的持续时间......

您认为建议将分布更改为负二项式，而不是使用泊松分布吗？

Answer 1

您几乎肯定想使用

log(Focal_duration)

作为偏移量，而不是

Focal_duration

。

假设

eta

是不包括偏移量的线性预测器，例如

beta0 + beta1*x1 + beta2*x2 + ...

（还包括基于随机效应的组件）。那么预测值为

eta + offset

，期望平均值为

exp(eta)*exp(offset)

。如果偏移量 (

Focal_duration

) 的值相当大（比如 60 秒？），那么

exp(offset)

的值就很大（例如

exp(60)

~ 1.1e26），这 [而且不是您想要的]搞乱数值计算。