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

Question

我正在研究各种特征对特定罪行的法院裁决的影响。数据集非常大（28928个观测值，86个2级单位）。我正在考虑是否使用level1和level2特征作为控件来监禁某人（=二元结果变量）（level1是大写字母）。

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，则会生成带有多个警告的结果。如果我仅使用level1控制变量运行此数据集，它会再次生成带有多个警告的结果。

大多数level1变量是分类的，level2变量都是连续的（没有缩放）。

不幸的是，我无法提供任何数据，因为数据是由政府在这种情况下提供的。

我不明白，为什么这只发生在这次犯罪而不是其他犯罪。有办法吗？

（lme4版本1.1-12，R版本3.3.1）

Answer 1

删除其中一个连续变量后，就可以了。连续变量是案件中的听证会数量，在大多数情况下是零。由于不可能在没有听证会的情况下监禁某人，因此它可能会使该过程混乱，因为它是准分离的。大多数警告最终都是通过缩放并从原始值重新开始拟合来解决的（在收敛中的例子中为1和4） - 感谢它！）。