我正在分析来自实验的数据，这些数据会及时复制，在其中我测量了土壤表面的植物出苗率。我进行了3次实验，用术语trialnum表示，并希望将trialnum包括在内，作为随机效果。
以下是涉及的变量的摘要：
data.frame: 768 obs. of 9 variables:
$ trialnum : Factor w/ 2 levels "2","3": 1 1 1 1 1 1 1 1 1 1 ...
$ Flood : Factor w/ 4 levels "0","5","10","15": 2 2 2 2 2 2 1 1 1 1 ...
$ Burial : Factor w/ 4 levels "1.3","2.5","5",..: 3 3 3 3 3 3 4 4 4 4 ...
$ biotype : Factor w/ 6 levels "0","1","2","3",..: 1 2 3 4 5 6 1 2 3 4 ...
$ soil : int 0 0 0 0 0 0 0 0 0 0 ...
$ n : num 15 15 15 15 15 15 15 15 15 15 ...
其中trialnum是实验运行，Flood，Burial和biotype是输入/独立变量，而soil是响应/独立变量
我以前使用所有输入变量创建了此模型：
glmfitALL <-glm(cbind(soil,n)~trialnum*Flood*Burial*biotype,family = binomial(logit),total)`
通过此模型，我发现通过运行
anova(glmfitALL, test = "Chisq")
trialnum很重要。有3个实验运行，我只分析了其中2个。建议我将trialnum作为随机效果使用，这样我就不必单独报告实验运行了。
为此，我创建了以下模型：
glmerfitALL <-glmer(cbind(soil,n)~Flood*Burial*biotype + (1|trialnum),
data = total,
family = binomial(logit),
control = glmerControl(optimizer = "bobyqa"))
由此，我收到以下错误消息：
maxfun < 10 * length(par)^2 is not recommended. Unable to evaluate scaled gradientModel failed to converge: degenerate Hessian with 9 negative eigenvalues
我尝试过多种方式运行此模型，包括：
glmerfitALL <-glmer(cbind(soil,n)~Flood*Burial*biotype*(1|trialnum),
data = total,
family = binomial(logit),
control = glmerControl(optimizer = "bobyqa"))
以及合并REML=FALSE并使用optimx代替bobyqa，但是所有重复都导致了类似的错误消息。
因为这是一个“特征值”错误，是否表示我的源文件/原始数据有问题？
我还找到了与lmer4错误消息有关的先前线程（很抱歉，我没有保存链接），并且看到一些注释由于缺乏随机效应的重复性而引起了问题。因为我只有两个副本trialnum2和trialnum3，所以我什至可以随机运行trialnum吗？
答案 0 :(得分：0)
关于特征值，对此的主要建议是centring and/or scaling predictors。
关于RE组，five are an approximate minimum附近。