Question

我正在尝试将R包dredge中的MuMIn与全局二项式glmer模型一起使用。我发现我需要使用control = glmerControl(optimizer="bobyqa")指定优化器以实现收敛。但是，当我使用dredge时，出现错误。如果减少模型中预测变量的数量，则可以删除bobyqa规范，进行收敛，并使用挖泥机。我有什么办法可以使dredge与glmerControl(optimizer="bobyqa")一起使用？

test.glob=glmer(exploitpark~X + as.factor(Y) + Z + A + B + (1|ID), 
                family=binomial(), 
                glmerControl(optimizer="bobyqa"), data=df)
options(na.action = "na.fail")   #  prevent fitting models to different datasets
test.Set = dredge(test.glob, beta=c("partial.sd"), extra = c("R^2"))

Fixed term is "(Intercept)"

glm.control（optimizer = c（“ bobyqa”，“ bobyqa”），calc.derivs = TRUE，中的错误：未使用的参数（optimizer = c（“ bobyqa”，“ bobyqa”），calc.derivs = TRUE，use.last.params = FALSE，restart_edge = FALSE，boundary.tol = 1e-05，tolPwrss = 1e-07，compDev = TRUE，nAGQ0initStep = TRUE，checkControl = list（check.nobs.vs.rankZ =“ ignore”，check.nobs.vs.nlev =“ stop”，check.nlev.gtreq.5 =“ ignore”，check.nlev。 gtr.1 =“ stop”，check.nobs.vs.nRE =“ stop”，check.rankX =“ message + drop.cols”，check.scaleX =“警告”，check.formula.LHS =“ stop”， check.response.not.const =“ stop”），checkConv =列表（check.conv.grad =列表（动作=“警告”，tol = 0.001，relTol = NULL），check.conv.singular = list（动作=“消息”，tol = 1e-04），check.conv.hess = list（动作=“警告”， tol = 1e-06）），optCtrl = list（））

Answer 1

问题出在r.squaredLR（由extra = "R^2"表示）中，该问题试图用glm的参数glmer来拟合control = glmerControl(optimizer="bobyqa")空模型。（我将尝试在即将发布的MuMIn版本中实现针对此错误的解决方案。）

在使用glmer（或一般的混合模型）的情况下，最好使用r.squaredGLMM而不是r.squaredLR。因此，您需要为dredge提供一个函数，该函数从r.squaredGLMM的结果中提取R ^ 2矢量（返回matrix）。例如：

# (following Ben Bolker's example above))
# Fit a null model with RE (use a non-exported function .nullFitRE or specify it by hand:
nullmodel <- MuMIn:::.nullFitRE(m1)
# the above step is not necessary, but avoids repeated re-fitting of the null model.

dredge(m1, beta="partial.sd", extra =list(R2 = function(x) {
    r.squaredGLMM(x, null = nullmodel)["delta", ]
}))

Answer 2

tl; dr 可能是MuMIn::dredge()中的一个错误-我仍在挖掘-但如果您忽略了extra="R^2"规范，则似乎可以正常工作。

可复制的示例

set.seed(101)
dd <- data.frame(x1=rnorm(200),x2=rnorm(200),x3=rnorm(200),
                 f=factor(rep(1:10,each=20)),
                 n=50)
library(lme4)
dd$y <- simulate(~x1+x2+x3+(1|f),
                 family=binomial,
                 weights=dd$n,
                 newdata=dd,
                 newparams=list(beta=c(1,1,1,1),
                                theta=1))[[1]] 
## fit model
m0 <- glmer(y~x1+x2+x3+(1|f),
            family=binomial,
            weights=n,
            data=dd,
            na.action="na.fail")

现在尝试带有和不带有优化器规范的glmer（）+ dredge（）

library(MuMIn)
d0 <- dredge(m0)
m1 <- update(m0, control=glmerControl(optimizer="bobyqa"))
d1 <- dredge(m1)

所有这些都起作用-因此问题必须出在某些可选参数上。测试：

d0B <- dredge(m0, beta=c("partial.sd"), extra = c("R^2")) ## works
d1B <- try(dredge(m1, beta=c("partial.sd"), extra = c("R^2"))) ## fails

罪魁祸首是哪些？

d1C <- dredge(m1, beta=c("partial.sd"))  ## works
d1D <- try(dredge(m1, extra=c("R^2")))   ## fails

如果您确实想要R ^ 2值，则可以将源代码下载/解压缩到软件包中，如下所示编辑R/r.squaredLR.R的第101行（将cl$control添加到元素列表中）设置为NULL，然后重新安装该软件包...

===================================================================
--- R/r.squaredLR.R (revision 443)
+++ R/r.squaredLR.R (working copy)
@@ -98,7 +98,7 @@
        if(formulaArgName != "formula")
            names(cl)[names(cl) == formulaArgName] <- "formula"
        cl$formula <- update(as.formula(cl$formula), . ~ 1)
-       cl$method <- cl$start <- cl$offset <- contrasts <- NULL
+       cl$method <- cl$start <- cl$offset <- cl$control <- contrasts <- NULL
    }
    cl <- cl[c(TRUE, names(cl)[-1L] %in% names(call2arg(cl)))]
    if(evaluate) eval(cl, envir = envir) else cl

指定glmer优化器时，挖泥机不起作用

2 个答案:

可复制的示例

现在尝试带有和不带有优化器规范的glmer（）+ dredge（）