我正在分析各种认知测验（以及那些测验的重复）之间的可重复性。我尝试使用R中的rptR包来确定鸟类的个体可重复性。但是，无论我的模型是什么，也不管我在测试什么，它总是会导致警告，并且R =0。我试图理解是什么原因引起的。
我目前有一个数据框，其中包括：一个ID（每个人重复两次）。每个ID重复都伴随有该测试的分数。首先对这些分数进行对数转换，以达到正态性，然后计算这些分数的Z分数，这样我就可以在不同等级上测量同一性状的测试之间进行比较。但是，无论我如何建立模型，使用我的数据始终会导致R = 0的可重复性。尽管从技术上讲这是可行的，但我发现它不可能对所有参数都那么低（因为我在不同测试之间进行了比较，并且两次测量相同的测试）。而且，我在运行的每个模型中都会收到一条警告，指出：“边界（奇异）拟合：请参阅？isSingular”。从我收集的数据来看，这意味着我的数据差异可能太小，尽管我对此并不完全确定。而且我担心这可能导致我的R = 0。
我的数据框的片段如下所示：
RNR_ID RoundNR TTC TTC_Z Test_date
2 1 1 28 0.0966013973 43423
114 1 2 14 -0.8138678026 43543
5 2 1 48 0.8045891472 43425
122 2 2 31 0.2302959586 43549
我的模型的两个变体示例： 未经调整的R：
Rep1_Assoc_A <- rpt(TTC_Z ~ RoundNR + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
调整后的R（我控制考试日期，希望能够考虑重复相同考试之间的个人学习情况）
Rep2_Assoc_A <- rpt(TTC_Z ~ RoundNR + Test_date + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
注意：RNR_ID，RoundNR和TTC_Z是数字变量。尽管我不确定模型如何处理，但Test_date以Date格式给出。在此模型中，RoundNR表示“处理”（因为这表示测试是对个人进行的第一次还是第二次评分）。 TTC_Z表示个人的Z分数。
和结果分别为：
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.107
CI = [0, 0.283]
P = 1 [LRT]
1 [Permutation]
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.12
CI = [0, 0.337]
P = 1 [LRT]
1 [Permutation]
如前所述，在运行此代码时，控制台向我抛出了几条boundary (singular) fit: see ?isSingular消息。
我还尝试了一个伪数据集，其中我将所有重复值调整为几乎相同，这确实导致了较高的R（约0.9 ..）。
尽管这似乎表明我的R = 0可能实际上是正确的，但我仍然对此表示怀疑，因为这不仅是意料之外的（我希望至少有一个非常低但可测量的R）。但是由于我对模型缺乏理解，我担心还有其他问题。
总而言之，我的问题是：
Q1：我的模型的当前公式正确吗？变量是正确的数据类型吗？
Q2：在这种情况下boundary (singular) fit: see ?isSingular是什么意思，我可以“修复”它吗？
Q3：是什么导致我的R = 0？我是错误地分析了我的数据还是我的R真的是0？
答案 0 :(得分：0)
虽然还没有完整的答案，但与一些同事交谈后，我至少对我的问题有部分答案。
Q1：是和否，我设置公式的方式完全可以。但是，我包括了一些不必要的因素（对我而言）。最初，我添加RoundNR作为尝试纠正学习的一个因素。但是，这没有任何意义，因为我只有两轮比赛，因此我相信我所有的变化都应归因于这一因素。取得Z分数就足够了。至于test_date，如果这与我的测试本身没有太大的混淆，那可能会很有趣。尽管更笼统地说（对于其他人）：模型的基本思路很好。请注意要包含哪些固定效果。
Q2：我仍然不清楚它的含义，因此，如果其他人可以提供更清晰的解释，那么将不胜感激。但是，据我了解，这仅是我的数据的结果，而不是例如模型的任何问题。
Q3：答案很明显：我自己的数据。一位同事通过另一种方法进行了快速分析（产生的准确度较低，但重复性评估较快），并且还发现R = 0（或至少非常接近）。
不是一个完整的答案，但我希望它能在将来对其他人有所帮助。