随机效应完全相关？ （R中的nlme包）

Question

我正在尝试模拟数据，然后将非线性混合效果模型拟合到它。但在大多数情况下，我的随机效应是完全相关的，我不明白为什么。我认为这是经常出现错误的原因（矩阵的奇异性或算法不会收敛......）

该图显示了随机效应的对图。

模型的输出由

给出

    [Nonlinear mixed-effects model fit by maximum likelihood
  Model: conc ~ SSmicmen(time, Vm, K) 
  Data: groupedData(conc ~ time | subject, data = sample2) 
  Log-likelihood: -101.3446
  Fixed: Vm + K ~ 1 
      Vm        K 
4.253410 8.732609 

Random effects:
 Formula: list(Vm ~ 1, K ~ 1)
 Level: subject
 Structure: General positive-definite, Log-Cholesky parametrization
         StdDev    Corr
Vm       1.1218405 Vm  
K        4.1308831 1   
Residual 0.9296998     

Number of Observations: 72
Number of Groups: 12][1] 

我是NLMEM的新手，但如果存在如此大的相关性，这不太合适......？我不想减少随机效应。  我尝试使用不同的协方差矩阵来生成随机效应，对角线，非对角线...总是同样的问题。有人可以给我一些解释吗？也许样本量不够大？

我创建了这样的数据：

 for (m in 1:n1)
    {
      b1=rmvnorm(1,rep(0,2),sigma=S1) #random effect vector
      y1=(5+b1[1])*x/(3+b1[2]+x)+rnorm(length(x),mean=0,sd=sqrt(sigma1))
      gr1[m,]=y1
    }

这是一个Michalis Menten模型，我有n1个科目，每个科目用x测量（x的长度是6）。矩阵S1是我假设的随机效应的方差协方差矩阵，我尝试了不同的...然后我使用这些数据创建一个分组的数据对象然后我适合模型：

nlme(conc~SSmicmen(time, Vm, K),data=groupedData(conc~time|subject,data=sample1),fixed=Vm+K~1,start=c(Vm=5,K=3),control=nlmeControl(maxIter=2000,opt="nlminb",tolerance=0.00001))