lmer模型和lsmeans输出出错

Question

我正在使用lme4包运行LME模型，然后使用lsmeans包进行成对比较。

这是我的代码：

lmer_full <- lmer (VOT ~ Place*Laryngeal + (1+Place+Laryngeal|Sp), 
    data = LME,control=lmerControl(optCtrl=list(maxfun=50000)))

lsmeans (lmer_full, pairwise~Laryngeal|Place)

但是，运行lmer后，我收到以下错误消息：

  

固定效应模型矩阵排名不足，因此下降1列/系数
  警告信息：
  1：在checkConv（attr（opt，＆＃34; derivs＆＃34;）中，选择$ par，ctrl = control $ checkConv，：     无法评估比例梯度
  2：在checkConv（attr（opt，＆＃34; derivs＆＃34;）中，选择$ par，ctrl = control $ checkConv，：     模型未能收敛：使用1个负特征值退化Hessian

运行lsmeans后出现另一个错误：

  

base::chol2inv(x, ...) : 'a'中的错误必须是数字矩阵

以下是我的数据结构：

如果有人能告诉我模特的错误，我真的很感激。

Answer 1

tl; dr 我无法完全重现您的错误，但我可以非常接近。对于您想要拟合的模型，您的数据集很可能太小/太嘈杂（您获得的是单一模型）;使用emmeans包（它是lsmeans的后继包）会有所帮助，但您应该简化模型。

1. 从大型完全交叉数据集开始：

library(lme4)
library(emmeans)
dd <- expand.grid(Place=factor(1:3),Laryngeal=factor(1:3),
                  Sp=factor(1:10),rep=6)
set.seed(101)
dd$y <- rnorm(nrow(dd))

This works fine:

m1 <- lmer(y~Place*Laryngeal + (1+Place+Laryngeal|Sp), dd)
emmeans(m1,pairwise~Laryngeal|Place)  ## lsmeans() also works

1. 减少数据集（删除一个级别组合）会导致“固定效应模型矩阵排名不足”的消息，但一切都行不通：

dd_missing <- subset(dd,!(Place=="2" & Laryngeal=="2"))
m2 <- update(m1, data=dd_missing)
emmeans(m2,pairwise~Laryngeal|Place) ## lsmeans() also works

1. 如果我们随机对一小部分数据进行二次采样，我们就会得到错误，虽然我不能用我的数据做，但也没有告诉lmer忽略数据集的其他一些问题（样本不够）对于指定的随机效应的数量）：

set.seed(102)
dd_small <- dd_missing[sample(1:nrow(dd_missing),
                              size=round(nrow(dd_missing)*0.3),
                              replace=FALSE),]
m3 <- update(m1, data=dd_small,
             control=lmerControl(check.nobs.vs.nlev="ignore",
                                 check.nobs.vs.nRE="ignore",
                                 optCtrl=list(maxfun=50000)))


emmeans(m3,pairwise~Laryngeal|Place)  ## works (sort of)
lsmeans::lsmeans(m3,pairwise~Laryngeal|Place)  ## fails

1. 最后，简化模型可以让事情变得更好：

m4 <- update(m3, . ~ Place*Laryngeal + (1+Place|Sp))
emmeans(m4,pairwise~Laryngeal|Place)
lsmeans::lsmeans(m4,pairwise~Laryngeal|Place)