这是一篇很长的帖子。我无法在lme4版本之间获得一致的模型结果。我的旧计算机运行R 3.0.0“Masked Marvel”，带有0.999999-2版本的lme4，我的新工作计算机运行R 3.0.2“Frisbee Sailing”和lme4版本1.1-2。他们没有给我相同的模型输出。省略了新的lme4，我在旧笔记本电脑上逐一安装了每个软件包更新并运行了模型。然后，更新R本身并运行模型。最后，我对R 3.0.2的软件包进行了进一步的更新，并再次运行了这些模型。它们与原始分析保持一致。我无法使用最新的MASS软件包和R 3.0.0以及最新的R 3.0.2中的nlme软件包运行模型。我在这些情况下收到的错误消息是相同的，如下所示： “validObject（.Object）中的错误：无效的类”mer“对象：插槽L必须是单调的LL'大小调整因子化['q']”
我想知道在更新到lme4 1.1-2以完成我的分析之前是否有人可以帮助阐明这一点。 R Studio中链接的地址似乎没有更改日志... http://cran.rstudio.com/web/packages/lme4/NEWS
我的结局可能还有其他变化吗？我一直在使用相同的数据文件，并在R中设置相同的数据文件。
我不确定如何附加数据，或者如何使这一切最容易让你们自己经历。我可以用一些指示来做到这一点。以下是更新前2个型号的输出，以及之后的相同型号。这种变化发生在我没有包含在这里的模型中，有些比其他模型更差。它肯定会影响AIC排名。
lme4版本0.999999-2 R版本3.0.0（2013-04-03） - “Masked Marvel”
at1500o <- glmer(apred ~
(1 | fFarm) + (1 | Eps) + (1 | fExp),
family = binomial,
data = PU3.atristis)
summary(at1500o)
Number of levels of a grouping factor for the random effects
is *equal* to n, the number of observations
Warning message: In mer_finalize(ans) : false convergence (8)
Generalized linear mixed model fit by the Laplace approximation
Formula: apred ~ (1 | fFarm) + (1 | Eps) + (1 | fExp)
Data: PU3.atristis
AIC BIC logLik deviance
182.2 193 -87.11 174.2
Random effects:
Groups Name Variance Std.Dev.
Eps (Intercept) 1.6630e+01 4.0780e+00
fFarm (Intercept) 2.4393e+00 1.5618e+00
fExp (Intercept) 5.8587e-13 7.6542e-07
Number of obs: 110, groups: Eps, 110; fFarm, 17; fExp, 2
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -6.1406 0.7126 -8.618 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
虚假融合didn’t seem to be a problem
at1500a <- glmer(apred ~
pctfield1500 * factor(SiteTrt) +
(1 | fFarm) + (1 | Eps) + (1 | fExp),
family = binomial,
data = PU3.atristis)
summary(at1500a)
Number of levels of a grouping factor for the random effects
is *equal* to n, the number of observations
Warning message: In mer_finalize(ans) : false convergence (8)
Generalized linear mixed model fit by the Laplace approximation
Formula: apred ~ pctfield1500 + factor(SiteTrt) + pctfield1500:factor(SiteTrt) + (1 | fFarm) + (1 | Eps) + (1 | fExp)
Data: PU3.atristis
AIC BIC logLik deviance
185.2 209.5 -83.59 167.2
Random effects:
Groups Name Variance Std.Dev.
Eps (Intercept) 2.4539e+01 4.95370375
fFarm (Intercept) 8.1397e-01 0.90220336
fExp (Intercept) 1.3452e-08 0.00011598
Number of obs: 110, groups: Eps, 110; fFarm, 17; fExp, 2
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -6.82245 2.64044 -2.584 0.00977 **
pctfield1500 -0.01041 0.10849 -0.096 0.92353
factor(SiteTrt)2 2.47654 3.97069 0.624 0.53282
factor(SiteTrt)3 4.33391 4.65551 0.931 0.35190
pctfield1500:factor(SiteTrt)2 -0.05073 0.13117 -0.387 0.69895
pctfield1500:factor(SiteTrt)3 -0.05729 0.14524 -0.394 0.69323
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) pc1500 f(ST)2 f(ST)3 p1500:(ST)2
pctfild1500 -0.876
fctr(StTr)2 -0.665 0.582
fctr(StTr)3 -0.571 0.504 0.380
p1500:(ST)2 0.724 -0.827 -0.850 -0.417
p1500:(ST)3 0.654 -0.747 -0.435 -0.887 0.618
Lme4版本1.1-2 R版本3.0.2（2013-09-25） - “飞盘航行”
at1500o <- glmer(apred ~
(1 | fFarm) + (1 | Eps) + (1 | fExp),
family = binomial,
data = PU3.atristis)
summary(at1500o)
Generalized linear mixed model fit by maximum likelihood ['glmerMod']
Family: binomial ( logit )
Formula: apred ~ (1 | fFarm) + (1 | Eps) + (1 | fExp)
Data: PU3.atristis
AIC BIC logLik deviance
236.8296 247.6316 -114.4148 228.8296
Random effects:
Groups Name Variance Std.Dev.
Eps (Intercept) 4.799e+01 6.927e+00
fFarm (Intercept) 6.542e-01 8.088e-01
fExp (Intercept) 6.056e-10 2.461e-05
Number of obs: 110, groups: Eps, 110; fFarm, 17; fExp, 2
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.975 1.115 -7.154 8.43e-13 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
不再有任何警告，但一切都非常不同。模型拟合语句已从拉普拉斯近似变为最大似然['glmerMod']。
at1500a <- glmer(apred ~
pctfield1500 * factor(SiteTrt) +
(1 | fFarm) + (1 | Eps) + (1 | fExp),
family = binomial,
data = PU3.atristis)
summary(at1500a)
Generalized linear mixed model fit by maximum likelihood ['glmerMod']
Family: binomial ( logit )
Formula: apred ~ pctfield1500 + factor(SiteTrt) + pctfield1500:factor(SiteTrt) + (1 | fFarm) + (1 | Eps) + (1 | fExp)
Data: PU3.atristis
AIC BIC logLik deviance
242.7874 267.0917 -112.3937 224.7874
Random effects:
Groups Name Variance Std.Dev.
Eps (Intercept) 3.346e+01 5.784e+00
fFarm (Intercept) 1.809e-07 4.253e-04
fExp (Intercept) 4.380e-11 6.618e-06
Number of obs: 110, groups: Eps, 110; fFarm, 17; fExp, 2
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.46800 3.04197 -2.455 0.0141 *
pctfield1500 0.00032 0.12301 0.003 0.9979
factor(SiteTrt)2 2.05618 4.57444 0.450 0.6531
factor(SiteTrt)3 6.72139 5.20895 1.290 0.1969
pctfield1500:factor(SiteTrt)2 -0.04882 0.14911 -0.327 0.7434
pctfield1500:factor(SiteTrt)3 -0.11324 0.16495 -0.686 0.4924
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) pc1500 f(ST)2 f(ST)3 p1500:(ST)2
pctfild1500 -0.875
fctr(StTr)2 -0.665 0.582
fctr(StTr)3 -0.584 0.511 0.388
p1500:(ST)2 0.722 -0.825 -0.850 -0.422
p1500:(ST)3 0.653 -0.746 -0.434 -0.886 0.615
干杯， 纳瓦
答案 0 :(得分：2)
lme4包的1.0版标记了一个重大变化，对基础拟合代码进行了相当大的修改。来自changelog：
因为内部计算机器发生了变化，结果来自于 lme4的最新版本在数字上与那些不同 从以前的版本。对于合理定义的拟合，他们会 非常接近（在1e-4左右的数值公差范围内），但是 对于不稳定或不明确的拟合，结果可能会发生变化，而且非常 不稳定的适合可能会失败，当他们（显然）与之前的成功 版本。同样，新版本的某些配合可能会更慢， 虽然平均而言新版本应该更快更稳定。 现在有更多的数字调整选项（见下文）; 非默认设置可以恢复适合的速度和/或能力 特殊型号没有错误。如果您注意到重要或 使用新版本的lme4拟合模型时出现令人不安的变化， 请通知维护者。
考虑到您的模型适合使用0.9999版本的lme4产生的虚假收敛警告，您的模型可能处于这个所讨论的“不稳定拟合”类别。