研究的分层模型 - 我可以在r中使用混合效果吗？

Question

这是一项研究，其中3只小鼠用作对照，而3只是突变体。 ＆gt; 2000测量是每只鼠标的。我想拟合一个模型如下：

lmer（测量值〜鼠标 +（鼠标|处理），data = alldata，reml = true），

但这不会收敛。我尝试使用Nelder-Mead方法和L-BFGS-B修改控件。不同的模型提供了不同的错误消息。

上面的简单模型产生：

CheckConv中的警告（attr（opt，“ derivs”），opt $ par，ctrl = control $ checkconv，：： 无法评估

CheckConv中的缩放梯度警告（attr（opt，“ derivs”），opt $ par，ctrl = control $ checkConv，： 模型无法收敛：归化Hessian，具有7个负特征值

，如果可以的话，最“复杂”的模型，模型：

lmer： lmer（测量〜鼠标 + |处理），data = alldata，control = lmercontrol（lmercontrol（lmercontrol）（ Optimizer ='Optimx'，optctrl = list（方法='l-bfgs-b'）），reml = false）

屈服：

边界（单数）拟合：请参阅？isingular

，并且尝试另一种型号的另一种警告。我的问题是小鼠也没有得到其他治疗方法吗？如果是这样，我将如何调整模型以反映已经发生的事情并融合了？

我的印象是随机效应应该是处理，固定效应是鼠标。也许我想要的模型被错误地命名了？也许我有这个随机/固定的效果思维过程错误。请指教。

Answer 1

如果我正确解释，那么您正在寻找治疗对鼠标ID是随机效果的小鼠的影响。您是否尝试过lmer（测量值〜处理 +（1 |鼠标_id），data = alldata，reml = true）？这通常是在LMER中制定随机效应模型的方式。没有更多有关您的研究设计/目标的信息，很难回答您的问题。