解釋錯誤與11聚物但不glmer：錯誤checkNlevels（reTrms $的flist，N = N，控制）：

我有這樣一個模型：

lmer(y ~ x + z + (1|g) + (1|dummy) , data = dat)

凡dummy是個人層面隨機效應占過度分散，即factor(1:nrow(dat))

當運行此我得到以下錯誤，我不明白。這是否意味着我配備了我的模型？

錯誤checkNlevels（reTrms $的flist，N = N，控制）：數每個分組因子的水平必須是<若干意見

當我與poisson家庭然而運行這個模型例如，我沒有得到這個錯誤

glmer(y ~ x + z + (1|g) + (1|dummy) , data = dat, family = poisson)

我知道在個人層面隨機效應甚至可能沒有什麼意義高斯GLMM，但我想知道，如果泊松例子是從我的難言之隱，這表明該模型在裝？

來源

2014-03-26 user1320502

在正常模型中，過分散並不是一個真正有用的概念，因爲它已經適合觀測水平變異的變異。所以錯誤信息告訴你在觀察級別你不能有一個分組因子。從這個意義上說，是的，你正試圖過度使用你的模型。然而，在泊松（或其他glm）模型中，它的確是有意義的，因爲根據glm中的任何方差項，觀察水平的變化是固定的，所以增加一個額外的方差項來考慮觀測水平的任何額外變化。因此glmer不會執行與lmer相同的檢查。

來源

2014-03-26 13:54:15 Aaron

希望我能夠堅持下去，等待看到你的答案......我的情況更爲詳細，但你的情況很好，可以爲我節省麻煩。 –

同樣的想法在這裏... – Aaron

非常感謝，我真的得到了這個錯誤，沒有添加在泊松家庭，我擔心有什麼事情我沒有得到，這是真的，但不是太害怕的東西。非常感謝@BenBolker和Aaron – user1320502

這確實是更有點CrossValidated問題的，但：

線性混合模型的定義包括通過默認的殘餘方差項;換句話說，該模型已經估計了殘差的彌散量。如果在公式中包含觀察級隨機效應，則其方差將與殘差相混淆（這兩個項將是聯合不可識別的;將會有一組同樣適合模型的兩個方差之和到一個常量）。這個問題不一定會嚴重影響模型的其他部分，但包含這樣一個無法識別的術語通常是意味着你犯了一個錯誤/不太明白你在做什麼，所以默認行爲是在這種情況下返回一個錯誤。如果你做有一個很好的理由來適應這種模式，你可以使用lmerControl覆蓋錯誤。
最常見的廣義線性混合模型（即泊松和二項式）的定義是而不是包括殘差方差項 - 具體地說，泊松和二項模型的「尺度參數」根據定義固定爲1 。因此，數據中可能存在過度分散。處理這個問題的標準方法之一是添加一個觀察級別的隨機效果，如上所述。由於模型中沒有默認的殘差方差項，因此沒有任何可疑內容，並且glmer不會發生抱怨。

參見例如， http://glmm.wikidot.com/faq#overdispersion_est瞭解更多詳情和參考。

來源

2014-03-26 13:54:40

謝謝本我因爲錯誤信息內容 – user1320502

而被碰撞到了這裏，有趣;這些網站之間肯定有時會有重疊，但是這似乎也適合於交叉驗證。我很確定那裏甚至有一個近似重複的地方，但在我簡短的搜索中沒有找到它。 – Aaron

@Ben Yeah有時候，當事情處於邊緣時，人們就會雙重推both。我實際上有一個模型，其中隨機效果的複製非常低，因此接近個人水平效果，所以'lmerControl'實際上可能非常有用。 – user1320502

解釋錯誤與11聚物但不glmer：錯誤checkNlevels（reTrms $的flist，N = N，控制）：

回答

相關問題