Question

我需要引导我的混合模型二进制逻辑回归。该模型本身工作正常（并由专家朋友批准和纠正），但引导版本是错误的。引导版本以前是由另一位专家朋友批准的（在CrossValidated中，但后来的mod删除了我的帖子，说它不属于CrossValidated）。但是相同的代码碰巧适用于简单的固定效应多逻辑回归（尽管在这种情况下也有很多类似于此处警告的警告[除了这个用于lmer（）函数的单一警告：“在mer_finalize中（ ans）：false convergence（8）“）。

您能告诉我错误的位置以及如何调试吗？

非常感谢。

我的代码是（我暂时保留了重复数字太低而不能调试代码）：

library(boot)
library(lme4)

mixedGLM <- function(formula, data, indices) {
        d <- data[indices, ]
        (fit <- lmer(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2 
                     + (1 | PatientID) + (0 + Trt | PatientID)
                     , family=binomial(logit), d))
        return(coef(fit))
      }

results <- boot(data=MixedModelData4 , statistic = mixedGLM, R= 2, formula= DV~Demo1 +Demo2 +Demo3 +Demo4 +Trt)

。。。我的错误是：

Error in t.star[r, ] <- res[[r]] : 
  incorrect number of subscripts on matrix
In addition: Warning messages:
1: In mer_finalize(ans) : false convergence (8)
2: glm.fit: algorithm did not converge 
3: glm.fit: fitted probabilities numerically 0 or 1 occurred 
4: glm.fit: fitted probabilities numerically 0 or 1 occurred 
5: In mer_finalize(ans) : false convergence (8)

。。。还有，请你告诉我如何使boot（）函数也给P值？它只提供beta和SE以及偏差和CI，但我也需要P值。

非常感谢。

----------------------------------------------- ----开发故事-------------------------------------------- ---------

好的，我很高兴地运行了Henrik的漂亮代码。但是代码并没有完全运行。首先它给出了这个错误：

Fitting 17 lmer() models:
[...
Error: pwrssUpdate did not converge in 30 iterations
In addition: Warning message:
In mixed(DV ~ (Demo1 + Demo2 + Demo3 + Demo4 + Trt)^2 + (1 | PatientID) +  :
  Due to missing values, reduced number of observations to 90
> (results2 <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2
+ results3 <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2

然后我删除了第一个括号块并将语法修改为：

results3 <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2 
                 + (0 + Trt | PatientID),
                 family=binomial(logit), data = MixedModelData4,
                 method = "PB", args.test = list(nsim = 2))

这次测试通过了第一步（拟合模型），但未能获得P值，同样给出相同的错误和警告：

Fitting 17 lmer() models:
[.................]
Obtaining 16 p-values:
[....
Error: pwrssUpdate did not converge in 30 iterations
In addition: Warning messages:
1: In mixed(DV ~ (Demo1 + Demo2 + Demo3 + Demo4 + Trt)^2 + (0 + Trt |  :
  Due to missing values, reduced number of observations to 90
2: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf,  :
  failure to converge in 10000 evaluations
3: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf,  :
  failure to converge in 10000 evaluations
4: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf,  :
  failure to converge in 10000 evaluations
5: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf,  :
  failure to converge in 10000 evaluations
6: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf,  :
  failure to converge in 10000 evaluations

我不知道如何调试它，或者问题是我的数据集？我应该补充一点，我的数据集完全以中心为中心（所有变量）。 DV只是被否定了（因为平均居中不允许R工作，而否定会对二元结果做同样的事情。）

----------------------------------------------- -----------更新-------------------------------------- -----------------------

我将METHOD的PB值更改为LRT（正如Henrik推荐的那样），并且完成了模型的拟合过程，但是没有开始获得P值的过程：

> results4 <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2 
+                   + (0 + Trt | PatientID),
+                   family=binomial(logit), data = MixedModelData4,
+                   method = "LRT", args.test = list(nsim = 2))
Fitting 17 lmer() models:
[.................]
Warning message:
In mixed(DV ~ (Demo1 + Demo2 + Demo3 + Demo4 + Trt)^2 + (0 + Trt |  :
  Due to missing values, reduced number of observations to 90

事实证明，当使用LRT时，不能通过自举获得P值。因此，结果已经准备就绪（虽然没有自举）。

Answer 1

如果您希望GLMM的p值带参数化引导程序，您可以使用程序包mixed中的afex函数，该函数通过pbkrtest::PBmodcomp获取它们：

library(afex)
results <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2 
                     + (1 | PatientID) + (0 + Trt | PatientID),
                     family=binomial(logit), data = d,
                     method = "PB", args.test = list(nsim = 1000))

您甚至可以先定义本地群集（即使用多个核心）：

cl <- makeCluster(rep("localhost", 4))
results <- mixed(DV ~ (Demo1 +Demo2+Demo3 +Demo4 +Trt)^2 
                     + (1 | PatientID) + (0 + Trt | PatientID),
                     family=binomial(logit), data = d,
                     method = "PB", args.test = list(nsim = 1000, cl = cl))

安装所有三个软件包的开发版本可能是最好的（因为pbkrtest的当前版本是为lme4 1.0而设计的，但尚未开发）：

afex：install.packages("afex", repos="http://R-Forge.R-project.org")
pbkrtest来自：http://people.math.aau.dk/~sorenh/software/pbkrtest/devel/

lme4

https://github.com/lme4/lme4

R：自举混合模型二元逻辑回归

1 个答案: