我的数据看起来像下面的模拟。在数据中，有3个不同的组（g1，g2和g3），根据疾病的严重程度不同，分别需要进行1、2或3个程序（p1，p2，p3）。因此，组g1只有p1； p1，p2为组g2；组g3的p1，p2，p3。每次测量均在每次操作时进行。我想做的是运行混合模型logistic回归拟合（很抱歉，如果使用的术语不正确：很高兴得知错误），以寻找p1患病率的患者比例差异特定治疗（y1二分变量），并通过将其设置为随机变量来控制患者的病历。
使用此模拟数据，
的输出 mod_glmer = glmer(y1 ~ procedure + (1|id), data = data_g2, family = binomial)
给我以下错误：
Error in length(value <- as.numeric(value)) == 1L : Downdated VtV is not positive definite
我的猜测是，与以下事实有关：运行以下命令时，在p1处只有1：
table(data_g2$y1[data_g2$procedure == "p1"])
运行以下命令时，0处同时有1和p2处：
table(data_g2$y1[data_g2$procedure == "p2"])
但是我也运行了类似的“标准”逻辑回归，但没有收到错误消息：
mod_glm = glm(y1 ~ procedure, data = data_g2, family = binomial)
我该怎么做才能证明y1中p1的比例与使用p2的{{1}}有所不同？
PS：如果您模拟数据，则运行几次，因为这涉及到随机数的生成（如果随机运行，则每2次运行就会收到一次消息，每次使用glmer都会给我一个错误。如果没有收到错误消息，请在set.seed(1)中再输入一个数字n
数据模拟
set.seed(n)