我在所有地方都发现了相同的问题，而且我似乎找不到任何适合我的数据的解决方案，我想知道我是否正在尝试将我的数据拟合到一个仅太复杂了。
我正在尝试将我的数据调整为来自MCMCglmm软件包的多项逻辑回归模型。我看过许多不同的文档，教程和MCMCglmm手册本身，主要是Florian Jaeger's tutorial，它非常详尽。但是，我迷失了他为先前的G结构和R结构选择值的方法，并且不断收到此错误消息
Error in priorformat(if (NOpriorG) { :
V is the wrong dimension for some prior$G/prior$R elements
特别是，我不确定两个数据都应赋予n值是什么，但是有点不透明的错误消息表明这是V的问题
这是我数据的（相关）子集：
CG_imm locuteur enquete loc_age loc_sexe left liquid right articulation_C1 voice_C1 NC_C1 NC_right voice_right right2 pos logfreq realization
abordable 44ajs1 Nantes 79 M bl l p stop V Vstop stop NV NVstop adj NA 2
admettre 91adb1 Brunoy 54 M tR R E stop N NVstop mid-vowel V mid-vowel verb 6.52209279 0
adorable 91aal1 Brunoy 27 F bl l break stop V Vstop break break weak break adj NA 0
agréable 92aaf2 PC 55 F bl l break stop V Vstop break break strong break adj 7.95191138 0
agréable 21abm1 Dijon 31 M bl l k stop V Vstop stop NV NVstop adj 7.95191138 1
agréable 75ccr2 Paris NA F bl l break stop V Vstop break break break adj 7.95191138 0
agréable 69ajl1 Lyon 52 M bl l break stop V Vstop break break weak break adj 7.95191138 0
Alexandre 91asl1 Brunoy 64 F dR R break stop V Vstop break break weak break noun NA 0
从这个数据集中，我试图用许多不同的预测变量在三个级别上预测realization变量。这是我尝试过的模型之一：
k <- length(levels(df$realization))
I <- diag(k-1)
J <- matrix(rep(1, (k-1)^2), c(k-1, k-1))
prior1<-list(
R = list(fix=1, V=0.5 * (I + J), n = 2
),
G = list(
G1 = list(V = diag(4), n = 4),
G2 = list(V = diag(8), n = 8),
G3 = list(V = diag(4), n = 4),
G4 = list(V = diag(4), n = 4),
G5 = list(V = diag(14), n = 14),
G6 = list(V = 3, n = 3),
G7 = list(V = 3, n = 3),
G8 = list(V = diag(6), n = 6)))
m <- MCMCglmm(realization ~ -1 + trait + NC_C1*liquid + right2 + loc_age + logfreq + pos,
random = ~ us(trait):CG_imm + us(NC_C1*liquid):CG_imm +
us(trait):locuteur + us(trait):enquete + us(right2):CG_imm +
us(loc_age):locuteur + us(log_freq):CG_imm + us(pos):CG_imm,
rcov = ~ us(trait):units,
prior = prior1,
burnin = 15000,
nitt = 40000,
family = "categorical",
data = df)
在我的完整数据集中，我选择作为随机效应的预测变量具有以下级别：
> length(levels(ol_north$CG_imm))
[1] 181
> length(levels(ol_north$enquete))
[1] 13
> length(levels(ol_north$locuteur))
[1] 129
除loc_age和log_freq以外，所有固定效应的预测变量都是分类的，固定的分类变量处于以下级别：
> length(levels(ol_north$NC_C1))
[1] 4
> length(levels(ol_north$liquid))
[1] 2
> length(levels(ol_north$right2))
[1] 14
> length(levels(ol_north$pos))
[1] 6
我已经在G结构列表和R结构中都使用了n值，并且已经将G结构中diag()参数中的值调整为无效。使用如此复杂的模型，我不确定错误在哪里发生。我已将模型简化为此模型，并使其收敛但带有警告：
m <- MCMCglmm(realization ~ -1 + trait + NC_C1*liquid + right2,
random = ~ us(trait):CG_imm + us(NC_C1*liquid):CG_imm,
rcov = ~ us(trait):units,
prior = list(
R = list(fix=1, V=0.5 * (I + J), n = 2),
G = list(
G1 = list(V = diag(2), n = 22),
G2 = list(V = diag(8), n = 8))),
burnin = 15000,
nitt = 40000,
family = "categorical",
data = df)
Warning message:
In MCMCglmm(realization ~ -1 + trait + NC_C1 * liquid + right2, :
some fixed effects are not estimable and have been removed. Use singular.ok=TRUE to sample these effects, but use an informative prior!
非常感谢您提前提供的帮助！