Question

我正在尝试使用glmmTMB将零膨胀的Poisson随机效应模型与计数数据进行拟合。但是，我收到了一些错误和警告。

head(data)

  count time study    
1     0  259     1 
2     0  199     1 
3     0  571     1 
4     0  927     1 
5     7  254     1 
6     0  877     1 

str(data)

 'data.frame':  959 obs. of  3 variables:
 $ count : int  0 0 0 0 7 0 0 0 0 0 ...
 $ time  : int  259 199 571 927 254 877 555 158 1014 705 ...
 $ study : Factor w/ 10 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...

时间是一个偏移项，学习是我必须添加的随机效应。

错误1

如果我添加随机效应，则以下随机效应模型报告相同的错误

f1<-glmmTMB(count~1+offset(time)+1|study, data = data, family = poisson, ziformula = ~1|study)

f2<-glmmTMB(count~1+offset(time)+1|study, data = subset(data, study=="1"), family = poisson, ziformula = ~1|study)

NA/NaN function evaluationError in nlminb(start = par, objective = fn, gradient = gr, control = control$optCtrl) : 
 gradient function must return a numeric vector of length 4

错误2

我认为我需要尝试一个更简单的模型，因此我放弃了随机效应。不幸的是，我收到了另一个错误。

f3<-glmmTMB(count~1+offset(time), data = data, family = poisson, ziformula = ~1)

f4<-glmmTMB(count~1+offset(time), data = subset(data, study=="1"), family = poisson, ziformula = ~1)

NA/NaN function evaluationError in nlminb(start = par, objective = fn, gradient = gr, control = control$optCtrl) : 
  NA/NaN gradient evaluation

警告1

好。我不知道如何获得没有错误的输出。因此，我放弃了偏移项而不是随机效应，从而获得了警告而不是错误。

f5<-glmmTMB(count~1+1|study, data = data, family = poisson, ziformula = ~1|study)

f6<-glmmTMB(count~1+1|study, data = subset(data, study=="1"), family = poisson, ziformula = ~1|study)

Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729

“好”，既没有错误也没有警告

经过一堆修改后，我发现如果我放弃两个随机效应项和偏移项中的至少一个，模型将不会报告错误或警告。

f7<-glmmTMB(count~1+1|study, data = data, family = poisson, ziformula = ~1)

f8<-glmmTMB(count~1, data = data, family = poisson, ziformula = ~1|study)

问题

哪些问题导致了这些错误和警告？如果可能的话，我该如何拟合ZIP混合效果模型并且既不会收到错误也不会收到警告？

示例

我有一个可复制的示例，它产生了警告1

count.ex<-rpois(500, 0.2)
study.ex<-as.factor(sample(1:5, 500, replace = TRUE))
time.ex<-rexp(500, 150)

fit.ex<-glmmTMB(count.ex~1+offset(time.ex)+1|study.ex, family = poisson, ziformula = ~1|study.ex)

Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Cholmod warning 'matrix not positive definite' at file ../Supernodal/t_cholmod_super_numeric.c, line 729Model convergence problem; non-positive-definite Hessian matrix. See vignette('troubleshooting')

Answer 1

没有可复制的示例，这相当困难！

模型存在一个明显的问题：您在模型中指定了offset(time)，几乎可以肯定要使用offset(log(time))。您的time值很大（我在您的str()中看到的值范围为500-1000；偏移量在模型中以<{1>}输入预测的值，它要么太大（如果`offset
您应注意用括号保护随机效应术语（例如，您使用exp(offset)而不是~1 + 1|study；我认为这不会在此处显示的示例中引起问题，但通常，管道（~1 + (1|study)）运算符的优先级较低，这意味着|等效于~1+a+b|study ...

如果我使用

~(1+a+b)|study

在您的示例中，我没有收到任何警告。

使用glmmTMB

1 个答案: