Question

所以这是我的问题。我在R中有一个数据集，我需要运行混合效果模型。这是代码：

data <- read.csv("D:/blahblah.csv")
analysis.data <- lmer(intdiff ~ stress_limit * word_position * follows + (1|speaker), data)
summary(analysis.data)

当我尝试运行脚本时，它会返回以下错误：

 Error in mer_finalize(ans) : Downdated X'X is not positive definite, 15.

我已将错误跟踪到“follow”参数，因为当我只使用stress_limit和word_position时，它运行正常。如果有帮助，“跟随”中的数据只有3个字符串：n或l，辅音，元音。我试过用_替换空格但没有成功。在这种情况下，lmer（）函数的内部工作是否阻止使用“跟随”？任何帮助都会很棒！

有关详细信息：intdiff包含数值，stress_limit是字符串（Stressed或Unstressed），word位置也是字符串（Word Medial或Word Initial）。

编辑：这是一个重现错误的数据样本：

structure(list(intdiff = c(11.45007951, 12.40144758, 13.47898367, 
6.279497762, 18.19461897, 16.15539707), word_position = structure(c(2L, 
2L, 2L, 1L, 1L, 1L), .Label = c("Word Initial", "Word Medial"
), class = "factor"), follows = structure(c(4L, 4L, 4L, 1L, 2L, 
4L), .Label = c("Consonant", "n or l", "Pause", "Vowel"), class = "factor"), 
stress_limit = structure(c(2L, 1L, 1L, 2L, 2L, 2L), .Label = c("Stressed", 
"Unstressed"), class = "factor"), speaker = structure(c(2L, 
2L, 2L, 2L, 2L, 2L), .Label = c("f11r", "f13r", "f15a", "f16a", 
"m09a", "m10a", "m12r", "m14r"), class = "factor")), .Names = c("intdiff", 
"word_position", "follows", "stress_limit", "speaker"), row.names = c(NA, 
6L), class = "data.frame")

我也尝试了lme（）函数，但它返回了这个错误：

Error in MEEM(object, conLin, control$niterEM) : 
Singularity in backsolve at level 0, block 1

我原始帖子中的代码是我正在使用的确切代码，减去了库（lme4）调用，所以我不会留下任何我能想到的信息。

我的R版本是2.15.2

Answer 1

如果没有可重复的示例，很难确定：How to make a great R reproducible example?

但是，猜测：这些问题通常是由于设计矩阵中的共线性造成的。集中连续预测器（intdiff）可能会有所帮助。您也可以直接探索设计矩阵

X <- model.matrix( ~ stress_limit * word_position * follows, data)

对之间的共线性：cor(X)。不幸的是，我没有建议检测多 - 共线性（即不在对之间，但在> 2个预测变量的组合之间），尽管你可以查看工具计算方差通胀因素（例如library("sos"); findFn("VIF")）。

作为交叉检查，lme也应该能够处理您的模型：

library(nlme)
lme(intdiff ~ stress_limit * word_position * follows, 
   random=~1|speaker, data=data)

当我在lme4（available on github）的开发版本中运行测试数据时，我得到Error in lmer(intdiff ~ stress_limit * word_position * follows + (1 | : rank of X = 5 < ncol(X) = 12。另一方面，使用这个小的输入数据集（6个观察值），没有可能适合12个参数的方法。要确切地说出问题的位置有点困难。您的3个变量的所有12种组合是否实际出现在您的数据中？如果缺少某些内容，那么您需要遵循开发版本帮助中给出的建议：

与一些更简单的建模框架不同，例如'lm'和'glm' 自动检测完全共线的预测变量， '[gn] lmer'无法处理低于满级的设计矩阵。对于例如，在具有未观察到的交互的模型的情况下级别的组合，由用户定义一个新变量（例如，从结果中创建数据中的'ab' “droplevels（相互作用（A，B））”）。

特别是，您可以按如下方式拟合此模型：

data <- transform(data,
       allcomb=interaction(stress_limit,word_position,follow,drop=TRUE))
lme(intdiff ~ allcomb, random=~1|speaker, data=data)

这将为您提供单向ANOVA，将数据中实际存在的级别的唯一组合视为类别。你必须弄清楚他们的意思。

另一种方法是减少模型中的交互次数，直到找到没有任何缺失组合的集合;如果你很幸运(stress_limit+word_position+follow)^2（所有双向互动）都会有效，但你可能还需要进一步缩小模型（例如stress_limit + word_position*follow）。

另一种测试方法是在您提出的模型上使用lm()，并检查估算系数中没有NA个值。

你将在这些方面失去的主要是方便/易于解释，因为无论如何都无法从数据中估计缺失组合的参数......

尝试在R中运行lmer（）时出错

1 个答案: