GLMER：错误：(maxstephalfit) PIRLS 步进减半未能减少 pwrssUpdate 中的偏差

Question

我正在研究各种特征对法院对特定罪行的判决的影响。数据集非常大（28928 个观测值，86 个 2 级单位）。我正在考虑使用级别 1 和级别 2 特征作为控制（级别 1 为大写）来决定是否监禁某人（=二元结果变量）。

这是我的代码：

MLmodel196a_2 <- glmer(NEPO_ANO_NE ~ 
                     OZNACENY_RECIDIVISTA_REG + POCET_DRIV_ODSOUZENI_REG +
                     ROK_ODSOUZENI_REG + OMEZENI_A_POVINNOST_REG +
                     POCET_HLAVNICH_LICENI + DRUH_ZAHAJENI_RIZENI_REG + 
                     NOVELA_REG + ODSTAVEC_REG +
                     EU_OBCANSTVI + POHLAVI_REG + VEK_SPACHANI_REG +

                     objasnenost_procenta + kriminalita_relativni_REG +
                     venkov_mesto + socialni + nezamestani_celkem + 
                     vzdelani_zakladni_procenta +
                     prumerny_vek + podil_15az24_muzu_procenta +
                     zenati_vsichni_procenta + 
                     verici_procenta + volby_ucast +
                     (1 | Nazev_soudu), family = binomial, data = vyber196) 

当我运行它时，我收到此错误：

Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate

如果我针对不同的数据集（不同的攻击）运行此分析，它会产生带有多个警告的结果。如果我只使用 level1 控制变量运行这个数据集，它会再次产生带有几个警告的结果。

大多数级别 1 变量是分类变量，级别 2 变量都是连续的（未缩放）。

不幸的是，我无法提供任何数据，因为这些数据是在这种情况下由政府提供的。

我不明白，为什么这只会发生在这次进攻中，而不是其他进攻中。有办法解决吗？

（lme4 版本 1.1-12，R 版本 3.3.1）

Answer 1

删除连续变量之一后，它解决了。连续变量是案件的听证会次数，在大多数情况下为零。由于不可能在没有听证的情况下监禁某人，因此它可能会因为准分离而搞砸了整个过程。大多数警告最终通过缩放和从原始值重新开始拟合得到解决（n. 1 和 4 在 ?convergence 的示例中 - 感谢它！）。