lmerTest::anova 未显示 p 值

Question

我问了一个新问题，因为重复的 (anova() does not display p-value when used with lmerTest) 并没有真正提供答案：我运行遇到了同样的问题，即 lmerTest::anova 不会输出特定模型的自由度和 p 值（这比上面提到的 post 中的那个要简单得多）：

DirectionFit <- lmer(Similarity ~  picture_category * ComparisonType + (1 + picture_category + ComparisonType|Subject), data = DirectionData, REML=FALSE)

我注意到，模型报告包括收敛代码 0，并且有 2 个优化器警告。难道是因为 lmerTest::anova 没有报告 p 值？模型本身的输出看起来很正常，只有非常高的 AIC、BIC 等 (-10625)。有谁知道该怎么办？我读到也许应该选择另一个优化器，但这是否也能解决收敛问题？感谢您的帮助！

编辑： 我上传了我的数据：http://www.sharecsv.com/s/1e303e9cef06d02af51ed5231385b759/TestData.csv 感谢您的帮助！

Answer 1

基本问题是你有一个奇异拟合；估计的随机效应方差-协方差矩阵在其可行的 space 的边界上（等效地，lme4 用来表征方差-协方差矩阵的内部参数之一，它必须是非负的, 正好为零）。这不是优化问题本身；这通常意味着您的模型对于您的数据来说太复杂了，应该进行简化（例如，请参阅 GLMM FAQ 中的相关部分以获取更多信息）。特别是，尽管您的实验设计 原则上 允许您在 picture_category 和 ComparisonType 的影响中适应受试者间的差异，希望估计 4x4 方差-协方差来自 39 名受试者的随机效应矩阵非常乐观。（您可能正在关注 Barr 等人的 "keep it maximal advice" ...）

接下来的内容可能比您真正想要的更技术性，但我提供它作为未来解决此类问题的参考。如果您想忽略模型是单一的这一事实（我不推荐），并且您愿意修复 lmerTest 当前版本中的错误 [我正在向维护者发送电子邮件])，你实际上可以通过 Kenward-Roger 近似得到这个问题的 p 值：summary(m2, ddf="Kenward-Roger") 有效，虽然它很慢（在我的笔记本电脑上 163 秒）。

因为 lmerTest 拦截了错误消息，所以很难看清发生了什么，我通常尝试从 lme4.[=30= 开始解决 lmerTest 问题]

适合模特：

DirectionData <- read.csv("TestData.csv")
library(lme4)
DirectionFit <- lmer(Similarity ~  picture_category * ComparisonType +
           (1 + picture_category + ComparisonType|Subject),
                     data = DirectionData, REML=FALSE)
## Warning messages:
## 1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
##   unable to evaluate scaled gradient
## 2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
##   Model failed to converge: degenerate  Hessian with 1 negative eigenvalues

好的，让我们看看发生了什么。 summary(DirectionFit)，尤其是 VarCorr(DirectionFit)，没有向我们显示任何 0 方差或 +/-1 相关性，但拟合仍然是奇异的：

th <- getME(DirectionFit,"theta")
which(th==0)
## Subject.picture_categoryland 
##                           8

（在实践中测试 which(th<1e-10) 可能更好）

那么这对 lmerTest 输出有何影响？

library(lmerTest)
m2 <- as(DirectionFit,"merModLmerTest")
trace("summary",sig="merModLmerTest",browser)  ## debug
summary(m2)

随着我们深入挖掘，我们发现问题出在 calcApvar 函数中，该函数具有以下代码：

dd <- devfunTheta(rho$model)  ## set up deviance function
h <- myhess(dd, c(rho$thopt, sigma = rho$sigma)) ## compute Hessian
ch <- try(chol(h), silent = TRUE)

如果我们尝试最后一个命令 而没有 silencing/catching 我们得到的错误消息

Error in chol.default(h) : the leading minor of order 10 is not positive definite

基本上，我们不能对 Hessian（二阶导数）矩阵进行 Cholesky 分解，因为它不是正定的：正如您在 Wikipedia 上看到的那样，Cholesky 分解适用于 PD 矩阵。

lmerTest::anova 未显示 p 值

lmerTest::anova not showing p-values

r

lme4

lmertest