glmmLasso警告信息

我試圖運行glmmLasso估計與命令混合模式：glmmLasso警告信息

glm1_final <- glmmLasso(Activity~Novelty + Valence + ROI, rnd = 
list(Subject=~1), data = KNov, lambda=lambda[opt],switch.NR=F,final.re=TRUE)

此代碼基本上是從demo("glmmLasso-soccer")拍攝，但我的變量取代活動是大腦活動的措施。，Novelty和Valence是編碼用於引發反應的刺激類型的分類變量，ROI是編碼大腦三個區域的分類變量，我們從中抽取了該活動。主題是數據採樣個體的身份證號碼（n = 94）。 lambda[opt]在前面的步驟中被設置，儘管之前的步驟也給了我所述的錯誤，所以我不知道它是否準確。

總是收到兩個警告：

警告消息：1：在split.default（（1：NcoI位（X））[ - inotpen.which]，IPEN）：數據長度不是多個分裂變量2：羣集變量應被指定爲一個因子變量

第一隻發生如果：在est.glmmLasso.RE（固定=修復，RND = RND，數據的數據，波長=拉姆達，=投資回報率在模型中，我沒有發現我可以對模型做出任何改變，以使第二次消失。我不知道這些警告是什麼意思，並且谷歌還沒有發現任何關於它們的信息。我仍然得到了我的參數估計值，但我不知道它們是否準確，因爲我不知道警告的意思。

任何人都知道這些警告是什麼意思？

UPDATE：

我已經上傳我的數據的簡寫爲版本：Google Drive

我已經證實我仍然得到了第二個錯誤，如果我運行代碼：

KNov <- read.table("Nov_abr.txt", header = TRUE) 
KNov$Subject <- factor(KNov$Subject) 
library(glmmLasso) 
glmmLasso(Activity~Novelty + Valence + ROI, rnd = list(Subject=~1), data = KNov, lambda=10,switch.NR=F,final.re=TRUE)

的KNov $ Subject < - factor（KNov $ Subject）確實清除了另一個錯誤。

RI的版本都爲：R版本3.3.0（2016年5月3日），平臺：「I386-W64-mingw32的」

來源

2016-06-19 xralphyx

歡迎來到堆棧溢出！你可以請包括數據和/或代碼，將爲我們提供一個[可重現的例子]（http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example）？我們可以（至少）看到'str（KNov）'的結果嗎？ –

@BenBolker我已經添加了數據，感謝您的幫助！ – xralphyx

您應該使用

KNov$Subject <- factor(KNov$Subject)

擺脫的第一個警告，並as.factor(ROI)您的固定效應公式中的，如記錄（下面重點加入）：

修正：描述了該模型的固定效應部分雙面線性式對象，與「〜」運算符左側的響應以及右側的「+」運算符分隔的條款。 對於分類協變量，在公式中使用 'as.factor（。）'。請注意，相應的假人被視爲一組，並更新嵌段

所以

glmmLasso(Activity~Novelty + Valence + as.factor(ROI), 
     rnd = list(Subject=~1), 
     data = KNov, lambda=10,switch.NR=F,final.re=TRUE)

似乎工作（我仍然得到一個警告，但我認爲這是因爲我使用一小部分數據）。（該語法也在?glmmLasso中的「具有分類協變量的線性混合模型」中進行了說明）。是的，獲得更明確的警告消息會很好，但文檔中的答案爲 ...

來源

2016-06-20 12:43:53

這確實消除了該警告。不過，我也想測試與ROI的互動。如果我跑 'glmmLasso（Activity〜Novelty + Valence + as.factor（ROI）+ Novelty：as.factor（ROI）+ Novelty：Valence：as.factor（ROI）， rnd = list（Subject =〜1）（數據，strsplit（fac.name），錯誤代碼爲[數據]，數據= KNov，lambda = 10，switch.NR = F，final.re = TRUE）我得到錯誤 '[.data.frame' ，「：」）[[1]] [1]）：未定義列選擇' – xralphyx

我的猜測是，你將不得不建立自己的模型矩陣/虛擬變量;我認爲公式中的'as.factor（）'是專門處理的，所以包括交互術語可能就是它。（這將是值得嘗試的as.factor（Novelty：ROI）' - 我懷疑它會起作用，但是如果這樣做會是最簡單的方法。）（我可能會更新我的答案，但從技術上講，你要求另一個問題......） –

快速說明 - ROI是否需要as.factor（），因爲它有兩個以上的級別（而不是Valence的Novelty，它們也是分類的）？ – xralphyx

glmmLasso警告信息

回答

相關問題