2012-06-23 42 views
1

這工作得很好:錯誤glmmadmb(.....)函數最大化失敗(找不到STD文件)

fit.mc1 <-MCMCglmm(bull~1,random=~school,data=dt1,family="categorical", 
prior=list(R=list(V=1, fix=1), G=list(G1=list(V=1, nu=0))), slice=T) 

那麼,這是否:

fit.glmer <- glmer(bull~(1|school),data=dt1,family=binomial) 

但現在我我試圖與包glmmadmb工作,這不起作用:

fit.mc12 <- glmmadmb(bull~1+(1|school), data=dt1, family="binomial", 
mcmc=TRUE, mcmc.opts=mcmcControl(mcmc=50000)) 

它產生錯誤:

Error in glmmadmb(bull~ 1 + (1 | school), data = dt1, family = "binomial", : 
The function maximizer failed (couldn't find STD file) 
In addition: Warning message: 
running command '<snip>\cmd.exe <snip>\glmmadmb.exe" -maxfn 500 -maxph 5 
-noinit -shess -mcmc 5000 -mcsave 5 -mcmult 1' had status 1 
+0

它看起來像的作者之一該軟件包在這裏是經常使用的,所以我猜測@BenBolker最終會出現並得到一些幫助。 – joran

+1

我想我可能已經解決了它。我想也許它需要'glmmadmb(bull〜1 +(1 | school)....',然而,在做出這個改變後,現在我得到了'glmmadmb(bull〜1 +(1 | school) dt1,family =「binomial」,:功能最大化失敗(無法找到STD文件)' –

回答

0

嗯。任何可重複的例子......?

下面的簡單模擬的情況下,似乎工作(雖然glmmADMBmcmcMCMCglmm - 它實際上並沒有完呢對我來說,雖然它似乎沒有抱怨車輪繼續滾滾向前)。

對於這種簡單的情況下我懷疑glmmADMBMCMCglmm爲主,雖然它可能是,如果你正在處理的反貝葉斯裁判有用...

nschool <- 20 
nrep <- 20 
dt1 <- expand.grid(school=LETTERS[1:nschool],rep=seq(nrep)) 
set.seed(101) 
u.school <- rnorm(nrep) 
dt1$eta <- u.school[dt1$school] 
dt1$bull <- rbinom(nrow(dt1),size=1,prob=plogis(dt1$eta)) 

library(MCMCglmm) 
fit.mc1 <-MCMCglmm(bull~1,random=~school,data=dt1,family="categorical", 
        prior=list(R=list(V=1, fix=1), G=list(G1=list(V=1, nu=0))), 
        slice=TRUE) 

library(lme4) 
fit.glmer <- glmer(bull~(1|school),data=dt1,family=binomial) 

library(glmmADMB) 
fit.mc12 <- glmmadmb(bull~1+(1|school), data=dt1, family="binomial", 
        mcmc=TRUE, mcmc.opts=mcmcControl(mcmc=50000)) 
+0

反貝葉斯裁判!?我希望我知道這意味着什麼。我有一個想法 - 與出版研究有關?可悲的是,我仍然在高中,但有一天.....無論如何,一個可重複的例子:我的數據集有點太大,但我會盡量減少它。老實說,我正在調查'glmmadmb '因爲'MCMCglmm'太慢了 - 但我也試圖嘗試所有glmm的包,我可以找到!這個模型只是空的 - 我也有更復雜的8個1級預測指標另外還有更多的觀測數據和隨機斜率作爲年份指標 –

+1

高中???男孩我感覺老了,而且不足(我可以向你保證我在高中時不適合GLMM)。一般來說,'glmer'可能是最快的(但不會給你基於MCMC的置信區間),'MCMCglmm'會慢一點,'glmmADMB'對於點估計是合理的,但對MCMC結果來說* *要慢得多。在http://glmm.wikidot.com/pkg-comparison ... –

+0

查看軟件包比較。謝謝 - 我將在寫完此內容後閱讀鏈接。是的,我發現'glmer'要快,但我需要隨機效果的置信區間。我試着編寫自己的代碼來用'glmer'做一個引導程序,但是在我修正了抽樣以尊重數據層次之後,我花了很長時間纔開始運行(甚至不確定我是否採樣權 - 來自學校的樣本首先進行替換,並且那麼從那些學生只從那些「屬於」相應學校的學生那裏學習的學生那裏學習?)我在某處讀到,在lme4中有一個'bootMer',但是我甚至找不到功能。 –

相關問題