GLMER: Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
GLMER: Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
我正在研究各种特征对法院对特定罪行的判决的影响。数据集非常大（28928 个观测值，86 个 2 级单元）。我正在考虑使用 level1 和 level2 特征作为控制（level1 是大写字母）来决定是否监禁某人（=二进制结果变量）。
这是我的代码：
MLmodel196a_2 <- glmer(NEPO_ANO_NE ~
OZNACENY_RECIDIVISTA_REG + POCET_DRIV_ODSOUZENI_REG +
ROK_ODSOUZENI_REG + OMEZENI_A_POVINNOST_REG +
POCET_HLAVNICH_LICENI + DRUH_ZAHAJENI_RIZENI_REG +
NOVELA_REG + ODSTAVEC_REG +
EU_OBCANSTVI + POHLAVI_REG + VEK_SPACHANI_REG +
objasnenost_procenta + kriminalita_relativni_REG +
venkov_mesto + socialni + nezamestani_celkem +
vzdelani_zakladni_procenta +
prumerny_vek + podil_15az24_muzu_procenta +
zenati_vsichni_procenta +
verici_procenta + volby_ucast +
(1 | Nazev_soudu), family = binomial, data = vyber196)
当我运行这个时，我收到这个错误：
Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
如果我 运行 针对不同的数据集（不同的攻击）进行此分析，它会产生带有多个警告的结果。如果我 运行 这个数据集只有 level1 控制变量，它会再次产生带有几个警告的结果。
大多数 level1 变量是分类的，level2 变量都是连续的（未缩放）。
很遗憾，我无法提供任何数据，因为数据是政府在这种情况下提供的。
我不明白，为什么这种情况只发生在这个罪行上，而不是其他罪行。有解决办法吗？
（lme4 版本 1.1-12，R 版本 3.3.1）
去掉其中一个连续变量后，结果出来了。连续变量是案件的听证次数，在大多数情况下为零。由于不可能在没有听证会的情况下监禁某人，因此它可能搞砸了这个过程，因为它是准分离的。大多数警告最终通过缩放并从原始值重新开始拟合得到解决（?convergence 中的示例中的 n. 1 和 4 - 谢谢！）。
我正在研究各种特征对法院对特定罪行的判决的影响。数据集非常大（28928 个观测值，86 个 2 级单元）。我正在考虑使用 level1 和 level2 特征作为控制（level1 是大写字母）来决定是否监禁某人（=二进制结果变量）。
这是我的代码：
MLmodel196a_2 <- glmer(NEPO_ANO_NE ~
OZNACENY_RECIDIVISTA_REG + POCET_DRIV_ODSOUZENI_REG +
ROK_ODSOUZENI_REG + OMEZENI_A_POVINNOST_REG +
POCET_HLAVNICH_LICENI + DRUH_ZAHAJENI_RIZENI_REG +
NOVELA_REG + ODSTAVEC_REG +
EU_OBCANSTVI + POHLAVI_REG + VEK_SPACHANI_REG +
objasnenost_procenta + kriminalita_relativni_REG +
venkov_mesto + socialni + nezamestani_celkem +
vzdelani_zakladni_procenta +
prumerny_vek + podil_15az24_muzu_procenta +
zenati_vsichni_procenta +
verici_procenta + volby_ucast +
(1 | Nazev_soudu), family = binomial, data = vyber196)
当我运行这个时，我收到这个错误：
Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
如果我 运行 针对不同的数据集（不同的攻击）进行此分析，它会产生带有多个警告的结果。如果我 运行 这个数据集只有 level1 控制变量，它会再次产生带有几个警告的结果。
大多数 level1 变量是分类的，level2 变量都是连续的（未缩放）。
很遗憾，我无法提供任何数据，因为数据是政府在这种情况下提供的。
我不明白，为什么这种情况只发生在这个罪行上，而不是其他罪行。有解决办法吗？
（lme4 版本 1.1-12，R 版本 3.3.1）
去掉其中一个连续变量后，结果出来了。连续变量是案件的听证次数，在大多数情况下为零。由于不可能在没有听证会的情况下监禁某人，因此它可能搞砸了这个过程，因为它是准分离的。大多数警告最终通过缩放并从原始值重新开始拟合得到解决（?convergence 中的示例中的 n. 1 和 4 - 谢谢！）。