r语言 - lme4 的 GLMM 收敛问题

Question

我正在模拟每家医院在第 1-112 个月(超过 ~10 年(的工作数量。随着时间的推移，工作数量因医院而异，因此我定义了以下多级模型作为起点：

glmer.nb(Jobs ~ 1 + Region + Month + ( Month | factor(Region)),
data = df_month_region, 
family = poisson(link = "log"))

我的数据看起来非常相似：

df <- data.frame(
Region = rep(1:14, each=112),
Month = rep(seq(1,112,1),14),
Job = rpois(112*14, 0.7)
)

我想知道：

1( 以这种格式对数据进行建模是否有意义？将年份和月份分开列是否更有意义？

2( 如何克服此错误："模型无法与 max|grad| 收敛|= 0.00361688(tol = 0.001，分量 1(模型几乎无法识别：非常大的特征值"？- 我按照这里的步骤操作：https://rstudio-pubs-static.s3.amazonaws.com/33653_57fc7b8e5d484c909b615d8633c01d51.html 本网站上通常推荐的，但我开始认为潜在的问题可能在于我如何设置数据帧或模型？

Answer 1

好的，根据您在评论中提供的其他信息，我将扩展 Pablo 的答案。由于您实际上只对作业数量随时间的变化感兴趣，因此您唯一的固定效果应该是 Month。现在，你还说你有不同的医院和这些医院所在的地区。这意味着你需要有一个嵌套的随机效应结构，其中你有不同的医院属于不同的区域。您可以在此处阅读有关嵌套随机效果的更多信息：

http://errickson.net/stats-notes/vizrandomeffects.html

https://stats.stackexchange.com/questions/228800/crossed-vs-nested-random-effects-how-do-they-differ-and-how-are-they-specified

因此，您应该运行的最终模型将如下所示：

job_model <- glmer(Jobs ~ Month + (1|Region/Hospital),
data = df_month_region, 
family = poisson(link = "log"))

为了查看Month是否显着改进了模型，您还应该拟合以下模型进行比较。

job_model_null <- glmer(Jobs ~ 1 + (1|Region/Hospital),
data = df_month_region, 
family = poisson(link = "log"))

然后，使用anova()函数将它们与似然比检验进行比较，如下所示：

anova(job_model, job_model_null)

编辑： 如果您希望将 Month 的随机斜率拟合到随机效果中，它将如下所示：

job_model <- glmer(Jobs ~ Month + (1+Month|Region/Hospital),
data = df_month_region, 
family = poisson(link = "log"))

Answer 2

如果区域是字符串 lme4 会自动检测，这是一个因素。您的模型具有随机截距和随机斜率。月份作为随机斜率没有多大意义，月份也是一个因子或块变量。

混合效果模型：

glmer(Jobs ~ 1  + ( 1 | Region) + (1| Month),
data = df_month_region, 
family = poisson(link = "log"))

固定效果模型：

glm(Jobs ~ 1  + Region + Month,
data = df_month_region, 
family = poisson(link = "log"))

月份和区域应为字符串。