我遇到一個錯誤,我無法找到當我嘗試任何文件,以啓動一個glmer
對象:誤差bootmer和confint爲glmer
glm2 <- glmer(RT~valence+location+first_location+Trial_num +
(1+Trial_num|id)+(1|Trial_num),
family=inverse.gaussian(log),
control = glmerControl(optimizer = "nloptwrap",
calc.derivs = FALSE), data=df_long)
的錯誤是:
錯誤lme4 :: simulateFun(對象=,: 找不到函數「SFUN
這是不管我是否嘗試bootMer
或confint
:
bootMer_out <- bootMer(glm2,FUN=fixef, nsim=300)
confint_out <- confint(glm2, method="boot")
當我作爲一個lmer
對象來看,我沒有與引導的問題。即
lm2 <- glmer(RT~valence+location+first_location+Trial_num + (1+Trial_num|id)+(1|Trial_num), family=inverse.gaussian(log), control = glmerControl(optimizer = "nloptwrap", calc.derivs = FALSE), data=df_long))
它是否與鏈接功能有關?有沒有解決方法?我在simulateFun文檔中也找不到函數'sfun'。我總是可以單獨對數據進行轉換,並使用lmer而不是glmer,但如果有人有一些很好的洞察力(因爲我現在很好奇)。
'lme4 ::。simulateFun'導致'lme4 ::: simfunList',所以它看起來像你需要爲'inverse.gaussian'家族編寫'simfunList $ inverse,gaussian'方法,你可能會從'inverse.gaussian()$模擬'獲得 – user20650
。我沒有看到從哪裏搶分散參數,啊,我似乎已經嘗試.. https://github.com/lme4/lme4/blob/master/R/predict.R#L776 – user20650
你可能會嘗試'merTools'包生成預測值和參數分佈。它的建立部分是爲了解決這個問題 - 儘管結果與助推器所能達到的結果並不相同。 – jknowles