Erro LME () - limite de iteração atingido

Ao especificar um modelo de efeitos mistos cruzados, estou tentando incluir interações. No entanto, recebo a seguinte mensagem de erro:

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

O modelo possui o seguinte: 1. 3 tipos de bicos (efeito fixo) 2. 5 operadores, cada um com 3 medidas repetidas no fluxo de combustível dos 3 tipos de bicos.

Me pediram para incluir a interação entre o tipo de bico e o operador no modelo. Este é o meu código para o modelo:

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

Por que eu receberia essa mensagem de erro?

mixed-model lme4-nlme

— Tal Bashan
fonte

Você não quer operator|nozzlealeatório?

— Olivia Grigg

Não, operador é o efeito aleatório.

— F1r3br4 /

você pode usar> crtl = lmeControl (opt = 'optim', optimMethod = "SANN")

— AliReza Afshari Safavi

Você deve fazer a resposta de @ f1r3br4nd como resposta

— JetLag 1/17/17

@AliRezaAfshariSafavi, quais são os benefícios de usar "SANN" versus o BFGS padrão?

— precisa saber é

Respostas:

Não ouvi falar do errorargumento lmee não o vejo na documentação. Tem certeza de que não é um erro de digitação? Mas, para responder à pergunta que você fez:

Experimentar ?lmeControl

Definir o maxIter, msMaxIter, niterEM, e / ou msMaxEvalargumentos para valores mais elevados do que o padrão pode corrigir isso. Capture a saída de lmeControlpara um objeto e depois passe esse objeto para o controlargumento de lme.

Ou...

O novo otimizador padrão lmeusado é esquisito. Na metade do tempo, esse tipo de problema é resolvido para mim quando eu o troco novamente no antigo otimizador. Você faz isso definindo o optargumento para lmeControlpara 'optim'.

Então, reunindo:

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

— f1r3br4nd
fonte

Em alguns casos, pode ser vale a pena conhecer, que lmeControlé uma função do nlmepacote

— qaswed

Primeiro, este é um modelo ANOVA, não um modelo misto.

Segundo, parece-me que seu modelo não está identificado. Em forma de equação, você tem

{resposta}_{Eu j} = β_{1} {tipo de bico}_{1 Eu j} + β_{2} {tipo de bico}_{2 Eu j} + β_{3} {tipo de bico}_{3 Eu j} + {operador}_{Eu} + {bico dentro do operador}_{Eu j}

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

O último termo possui 15 valores separados para 15 observações que você possui. Não há graus de liberdade para obter outros termos no modelo. Incluir interações foi um péssimo conselho. Você teria que largá-los de qualquer maneira; mesmo incluí-los como efeitos cruzados não ajudará, pois eles serão perfeitamente colineares com os efeitos fixos e não serão estimados. Uma probabilidade máxima ou modelo REML com 15 observações não faz sentido; os resultados assintóticos da teoria da máxima verossimilhança simplesmente não funcionam: esta é uma Ferrari que você está tentando dirigir em um campo arado.

— StasK
fonte

Se houver efeitos aleatórios e fixos em um modelo, por definição é um modelo de efeito misto. Se você pode chamá-lo de ANOVA ou regressão, é uma questão separada e uma espécie de questão semântica. Estou um pouco confuso, no entanto, com o que o OP significa por uma interação. Tanto quanto eu posso dizer, ele já está fazendo isso usando em random=~nozzle|operatorvez de random=~1|operator.

— F1r3br4 /

Algumas literaturas se referem aos efeitos aleatórios aninhados como interações entre diferentes níveis de aninhamento; Acho que já vi isso em Pinheiro & Bates. Concordo que denominar isso corretamente é uma questão de semântica, mas estou apenas pensando em introduzir this-does-not-have-to-be-a-mixed-modeltag. Em cerca de dois terços da mixed-modelspergunta que vejo, dizer algo nesse sentido faz parte da minha resposta.

— StasK 18/10/12

Engraçado, passo boa parte do meu tempo dizendo às pessoas que não estão usando modelos mistos o suficiente. Na verdade, eu gostaria de estar errado, porque simplificaria um pouco a minha vida. O que você diria ao OP que a regra geral é para determinar quando um modelo misto é necessário?

— F1r3br4 /

Ah, então você é o vilão, então. Este tem um único preditor categórico, por isso é um modelo ANOVA para mim, como eu disse anteriormente. Se você tivesse informações em níveis diferentes (por exemplo, estado \ escola \ alunos, com dados sobre estados, escola e alunos), isso me pareceria um modelo misto. Basicamente, se você pode fazer isso como somas de quadrados, isso é ANOVA; se você pode fazer isso como um modelo de regressão, esse é um modelo de regressão. Se fazer a máxima verossimilhança / REML for absolutamente inevitável (como no caso de resposta binária), esse é um modelo misto para mim.

— Stask