我怎么知道在没有R中警告消息的情况下，模型是在LME4中收敛还是无法收敛？

Question

重复

例如， 我可以评估该多级模型是否是单一拟合 使用issingular（）函数。

同样，有什么办法可以知道该模型是收敛还是无法收敛？

我的顾问说，如果模型未能收敛，则不会估算标准错误。但是，尽管以下未能收敛，但似乎估计了标准误差。

是否有很好的指标表明此模型已收敛或无法收敛？ （除了注意警告消息外）

我正在使用lme4软件包和lmer（）函数。

例如，有一个失败收敛多级模型的示例，

library(lme4)
read.table(textConnection("duration season  sites   effect
                          4d    mon s1  7305.91
                          4d    mon s2  856.297
                          4d    mon s3  649.93
                          4d    mon s1  10121.62
                          4d    mon s2  5137.85
                          4d    mon s3  3059.89
                          4d    mon s1  5384.3
                          4d    mon s2  5014.66
                          4d    mon s3  3378.15
                          4d    post    s1  6475.53
                          4d    post    s2  2923.15
                          4d    post    s3  554.05
                          4d    post    s1  7590.8
                          4d    post    s2  3888.01
                          4d    post    s3  600.07
                          4d    post    s1  6717.63
                          4d    post    s2  1542.93
                          4d    post    s3  1001.4
                          4d    pre s1  9290.84
                          4d    pre s2  2199.05
                          4d    pre s3  1149.99
                          4d    pre s1  5864.29
                          4d    pre s2  4847.92
                          4d    pre s3  4172.71
                          4d    pre s1  8419.88
                          4d    pre s2  685.18
                          4d    pre s3  4133.15
                          7d    mon s1  11129.86
                          7d    mon s2  1492.36
                          7d    mon s3  1375
                          7d    mon s1  10927.16
                          7d    mon s2  8131.14
                          7d    mon s3  9610.08
                          7d    mon s1  13732.55
                          7d    mon s2  13314.01
                          7d    mon s3  4075.65
                          7d    post    s1  11770.79
                          7d    post    s2  4254.88
                          7d    post    s3  753.2
                          7d    post    s1  11324.95
                          7d    post    s2  5133.76
                          7d    post    s3  2156.2
                          7d    post    s1  12103.76
                          7d    post    s2  3143.72
                          7d    post    s3  2603.23
                          7d    pre s1  13928.88
                          7d    pre s2  3208.28
                          7d    pre s3  8015.04
                          7d    pre s1  11851.47
                          7d    pre s2  6815.31
                          7d    pre s3  8478.77
                          7d    pre s1  13600.48
                          7d    pre s2  1219.46
                          7d    pre s3  6987.5
                          "),header=T)->dat1

lmer(effect ~ duration + (1+duration|sites) +(1+duration|season),
                                  data=dat1)

这会生成错误 警告消息： 模型未能与1个负特征值收敛：-2.3e+01

但是，尽管似乎未能收敛，但似乎估计了标准误差。

Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
Formula: effect ~ duration + (1 + duration | sites) + (1 + duration |      season)
   Data: dat1

REML criterion at convergence: 969

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.0515 -0.6676  0.0075  0.5333  3.2161 

Random effects:
 Groups   Name        Variance Std.Dev. Corr
 sites    (Intercept) 8033602  2834         
          duration7d  1652488  1285     1.00
 season   (Intercept)       0     0         
          duration7d  1175980  1084      NaN
 Residual             5292365  2301         
Number of obs: 54, groups:  sites, 3; season, 3

Fixed effects:
            Estimate Std. Error       df t value Pr(>|t|)  
(Intercept) 4183.896   1695.252    2.008   2.468    0.132  
duration7d  3265.641   1155.357    3.270   2.827    0.060 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
           (Intr)
duration7d 0.520 
optimizer (nloptwrap) convergence code: 0 (OK)
boundary (singular) fit: see ?isSingular

（以上数据和代码不是我的模型， 我从一个堆栈溢出问题中复制并粘贴了这些数据

和

1. 。

代码 奇异性，Issingular（）函数提供了明确指示）

2. 为什么在模型无法收敛时仍估计标准错误？

最终目标是对于我的模拟研究，我将计算收敛速率。

Answer 1

我的顾问说，如果模型未能收敛，则不会估算标准错误。但是，尽管以下未能收敛，但似乎估计了标准误差。

您显示的模型已收敛。您之所以知道这一点，是因为消息：

optimizer (nloptwrap) convergence code: 0 (OK)

如果没有融合，您会看到这样的警告：

In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
Model failed to converge: degenerate  Hessian with 1 negative eigenvalues

但是它已融合到下一行中所示的奇异拟合：

boundary (singular) fit: see ?isSingular

除了注意到警告消息

外

我使用以下助手功能为此：

# helper function
# Has the model converged ?

hasConverged <- function (mm) {
  
  if ( !inherits(mm, "merMod")) stop("Error: must pass a lmerMod object")
  
  retval <- NULL
  
  if(is.null(unlist(mm@optinfo$conv$lme4))) {
    retval = 1
  }
  else {
    if (isSingular(mm)) {
      retval = 0
    } else {
      retval = -1
    }
  }
  return(retval)
}

如果模型收敛于正常 i，则返回1单数拟合度为0，如果它收敛到单个拟合度，如果未能收敛-1，则为-1。另一种方法是根据@SAMR的评论将警告提升为错误：

通常，如果警告还不够，则可以将警告变成选项的错误（WARN = 2），这意味着操作将结束，因此您不应获得任何标准错误或其他输出。只需记住将警告设置为1之后。

继续前进：

为什么在模型无法收敛时仍估算标准错误？

好吧，如上所述，它融合了，您的顾问在这里是错误的：

我的顾问说，如果模型未能收敛，则不会估计标准错误。

如果模型未能收敛，它将输出在放弃之前在最后一次迭代中获得的估计值。