Ira*_*da 2 r lme4 mixed-models
我正在运行几个线性混合模型，以研究将鸟巢作为随机变量的鸟类。问题是，在其中一些模型中，我得到了所谓的“奇异拟合”：我的嵌套随机变量的方差和st误差为0.00。
一些背景：我正在与野生鸟类合作，以观察在嘈杂环境中生活对某些氧化应激参数的影响。为此，我们为每个巢中的每个雏鸟取了一份血液样本，以做实验室的工作。由于血液样本有限，无法针对每个雏鸟都测量某些氧化应激参数。
model <- lmer(antioxidant_capacity~age+sex+clutch+zone+(1|nestID),
data=data, contrasts=list(sex=contr.sum, zon=contr.sum, clutch=contr.sum))
然后我得到：
singular fit
这是表：
REML criterion at convergence: 974.3
Scaled residuals:
Min 1Q Median 3Q Max
-2.72237 -0.61737 0.06171 0.69429 2.88008
Random effects:
Groups Name Variance Std.Dev.
nestID (Intercept) 0 0.00
Residual 363 19.05
Number of obs: 114, groups: nido_mod, 46
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 294.5970 36.8036 109.0000 8.005 1.41e-12 ***
age -0.2959 3.0418 109.0000 -0.097 0.922685
clutch1 -0.5242 2.0940 109.0000 -0.250 0.802804
sex1 2.3167 1.8286 109.0000 1.267 0.207885
zone1 6.2274 1.7958 109.0000 3.468 0.000752 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) age clutch1 sex1
age -0.999
clutch1 0.474 -0.465
sex1 0.060 -0.054 -0.106
zone1 -0.057 0.061 -0.022 0.058
convergence code: 0
singular fit
我已经读过有关奇点问题的信息，如果我了解得很好，那么奇点与过度拟合有关。难道是由于某些响应变量我的巢只有一个雏鸟，而巢却有更多雏鸟？我该如何解决？有什么建议吗？
非常感谢。
小智 7
与其他线性模型一样，固定效应中的共线性可能导致奇异拟合。那将需要您通过删除条款来修改模型。但是在lmer中，当估计随机效应方差非常接近零并且（非常宽松地）数据不足以拖动时，也可以在非常简单的模型中触发该警告（或“边界（奇异）拟合”警告）。估计远离零起始值。
两种方法的正式答案大致相似。删除估计为零的字词。至少在您知道哪个术语导致了问题之前，这仍然是明智的。但是有时候，可以忽略不计的方差是合理的，但是您希望将其保留在模型中。例如，因为您正在故意寻找可能存在较小差异的区间，或者可能正在执行多个类似实验，并且希望始终提取所有差异。如果您确定发生了什么，可以通过lmerControl禁止显示这些警告，可以将其设置为不使用相关测试。例如，您可以包括
control=lmerControl(check.conv.singular = .makeCC(action = "ignore", tol = 1e-4))
在您的电话会议中。这保留了默认公差（makeCC需要），但是抑制了奇异拟合测试。（默认值为action =“ warning”，它将运行测试并发出警告）。
小智 0
您真的对模型中的每个固定效应是否产生影响感兴趣吗？例如，年龄或性别可以解释一些变化，但也许您可以将其视为随机效应而不是固定效应。将其更改为随机效应（如果这是合理的）可能会解决过度分散的问题。
我对奇点问题的解释（当然可能是错误的）是模型的每种组合只有一个观察/测量。因此，您可能没有足够的观察结果来将所有这些变量包含为固定效应。