Question

我正在运行一个线性混合效应模型，使用lme4和一个连续变量（按种类划分的“年龄与老树的比例”），通过两个相互作用的分类变量（“Disperser”和“Site”），以及一个随机效应（“种类”）。

我想使用案例权重来解释某些物种比其他物种更常见的事实，因此我使用了数字向量，其中较高的数字等于较高密度的成年树木（“重量”）。虽然模型返回一个主要是逻辑输出，但我得到AIC，BIC和'无限'的偏差，并且当我添加权重参数时记录' - infinity'的可能性。

library(lme4)
my_data <- data.frame(Species = sample(LETTERS, size=52, replace=TRUE), 
                  Site = sample(c("Site_A", "Site_B"), size=52, replace=TRUE),
                  Ratio = sample(0:10, size=52, replace=TRUE), 
                  Disperser = sample(c("Mouse", "Bird", "Bat", "Wind"), size=52, replace=TRUE),
                  Weight = sample(0:5, size=52, replace=TRUE)
                  )

model <- lmer(Ratio ~ Disperser * Site + (1|Species), weights=Weight, data=my_data, REML=FALSE)

summary(model)

Linear mixed model fit by maximum likelihood  ['lmerMod']
Formula: Ratio ~ Disperser * Site + (1 | Species)
Data: my_data
Weights: Weight

 AIC      BIC   logLik deviance df.resid 
 Inf      Inf     -Inf      Inf       42

有谁能告诉我为什么我会得到这个输出？这是我试图适应模型的数据的基本问题，还是使用'权重'参数时的错误？

使用lmer的类权重

0 个答案: