計算的R中使用confint固定效應的CI

Question

我想進行引導，以獲得我的固定效應的95％CI在二項式GLMM：

m <- glmer(cbind(df$Valid.detections, df$Missed.detections) ~ distance + 
       Habitat + Replicate + transmitter.depth + receiver.depth + 
       wind.speed + wtc + Transmitter + (1 | Unit) + 
       (1 | SUR.ID) + distance:Transmitter + 
       distance:Habitat + distance:transmitter.depth + distance:receiver.depth + 
       distance:wind.speed, data = df, family = binomial(link=logit),control=glmerControl(calc.derivs=F)) 

我發現confint()功能是能夠做到這一點，所以我指定了功能：

confint(m, method = "boot", boot.type = "basic", seed = 123, nsim = 1000) 

該函數在我決定終止之前已運行了8個多小時。協議終止後，我得到了返回下面的警告消息（X10）：

Warning messages: 
1: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf, : 
    failure to converge in 10000 evaluations 

我的問題是：1）我擔心這些警告消息？如果是這樣，我該如何處理它們？2）因爲8小時後它仍在運行我不知道執行此功能需要多長時間。因此，在執行此功能時有一些進度條會很好。我讀了confint（）可以從bootMer接受參數，所以我包括參數.progress =「TXT」，導致：

confint(m, method = "boot", boot.type = "basic", seed = 123, nsim = 1000, .progress = "txt") 

，但它似乎並沒有工作。或者，如果有更好的方法來實現相同的目標，我願意接受建議。

感謝所有幫助

Answer 1

下面是一個例子：

library("lme4") 
(t1 <- system.time(
    gm1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), 
       data = cbpp, family = binomial))) 
## user system elapsed 
## 0.188 0.000 0.186 

nranpars <- length(getME(gm1,"theta")) 
nfixpars <- length(fixef(gm1)) 

(t2 <- system.time(c1 <- confint(gm1,method="boot", nsim=1000, 
        parm=(nranpars+1):(nranpars+nfixpars), 
        .progress="txt"))) 

## user system elapsed 
## 221.958 0.164 222.187 

注意，這個進度條長僅80個字符，所以它只是每個1000至80年= 12的自舉迭代後遞增。如果你的原始模型花了一個小時，以適應那麼你不應該指望能看到進度條的活動直到12小時後...

(t3 <- system.time(c2 <- confint(gm1, 
        parm=(nranpars+1):(nranpars+nfixpars)))) 

## user system elapsed 
## 5.212 0.012 5.236 

1000引導銷售代表可能是矯枉過正 - 如果你的模型擬合很慢，您可能可以從200個自舉代表獲得合理的配置項。

我試過這個也是optimizer="nloptwrap"，希望它能加快速度。它確實有，但有一個缺點（見下文）。

(t4 <- system.time(
    gm1B <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), 
       data = cbpp, family = binomial, 
       control=glmerControl(optimizer="nloptwrap")))) 
## user system elapsed 
## 0.064 0.008 0.075 

(t5 <- system.time(c3 <- confint(gm1B,method="boot", nsim=1000, 
        parm=(nranpars+1):(nranpars+nfixpars), 
        .progress="txt",PBargs=list(style=3)))) 
## 
## user system elapsed 
## 65.264 2.160 67.504 

這是更快，但（在這種情況下37）給出警告有關 收斂。根據all.equal()，以這種方式計算的置信區間僅有約2％的差異。 （在包裝本身中仍然存在一些皺紋...）

加速這一過程的最佳方法是並行化 - 不幸的是，這種方式會失去使用進度條的能力......

(t6 <- system.time(c4 <- confint(gm1,method="boot", nsim=1000, 
        parm=(nranpars+1):(nranpars+nfixpars), 
        parallel="multicore", ncpus=4))) 

## 
##  user system elapsed 
## 310.355 0.916 116.917 

這需要更多的用戶時間（其依靠的所有內核使用的時間），但過去的時間減少了一半。 （用4個內核做得更好，但是兩倍的速度仍然不錯，它們是虛擬Linux機器上的虛擬內核，真實（非虛擬）內核可能會有更好的性能。）

With nloptwrap and multicore結合我可以把時間縮短到91秒（用戶）/ 36秒（經過）。