R 可重复性模型（在 rptR 中），不确定公式。结果 = 多个模型的重复性为零，边界奇异拟合警告
R repeatability model (in rptR), unsure about formula. Outcome =Zero repeatability for several models, with boundary singular fit warning
我正在分析各种认知测试（以及这些测试的重复）之间的可重复性。我尝试使用 R 中的 rptR 包来确定鸟类的个体可重复性。但是，无论我的模型或我正在测试什么，它总是会导致警告并且 R = 0。我试图了解导致这种情况的原因。
我目前有一个数据框，其中包括：一个 ID（每个人重复两次）。每个 ID 重复都附有相关测试的分数。这些分数首先进行对数转换以获得正态性，然后计算这些分数的 Z 分数，这样我就可以在不同尺度上测量相同特征的测试之间进行比较。然而，无论我如何设置我的模型，我的数据总是导致 R=0 的可重复性。虽然这在技术上是可行的，但我发现它不太可能对所有参数都如此低（因为我在不同的测试之间进行了比较，同样的测试也测量了两次）。此外，我收到每个模型的警告 运行 声明：'Boundary (singular) fit: see ?isSingular'。从我收集到的信息来看，这意味着我的数据中的方差可能太小，尽管我对此并不完全确定。我担心这可能会导致我的 R = 0.
我的数据框片段如下所示：
RNR_ID RoundNR TTC TTC_Z Test_date
2 1 1 28 0.0966013973 43423
114 1 2 14 -0.8138678026 43543
5 2 1 48 0.8045891472 43425
122 2 2 31 0.2302959586 43549
我的模型的两个变体示例：
未调整的 R：
Rep1_Assoc_A <- rpt(TTC_Z ~ RoundNR + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
调整后的 R（我在其中控制了测试日期，希望能够说明重复同一测试之间的个人学习情况）：
Rep2_Assoc_A <- rpt(TTC_Z ~ RoundNR + Test_date + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
注：RNR_ID、RoundNR & TTC_Z为数值变量。 Test_date 以日期格式给出，但我不确定模型如何处理它。在此模型中，RoundNR 表示 "treatment"（因为这表示测试是第一次还是第二次对个人进行评分）。 TTC_Z 表示个人的 Z 分数。
和结果输出分别为：
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.107
CI = [0, 0.283]
P = 1 [LRT]
1 [Permutation]
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.12
CI = [0, 0.337]
P = 1 [LRT]
1 [Permutation]
如前所述，在 运行 运行此代码时，控制台向我抛出几条：boundary (singular) fit: see ?isSingular 消息。
我还尝试了一个假数据集，在其中我将所有重复值调整为几乎相同，这确实导致了高 R（大约 0.9..）。
虽然这似乎表明我的 R=0 可能实际上是正确的，但我仍然持怀疑态度，因为这不仅出乎意料，（正如我所期望的至少一个非常低但可测量的 R）。但由于我对模型缺乏理解，我担心其他地方也可能出错。
总而言之，我的问题是：
问题 1：我的模型当前的公式是否正确？变量的数据类型是否正确？
Q2：boundary (singular) fit: see ?isSingular在这种情况下是什么意思，我可以"fix"吗？
Q3：是什么导致我的R=0？我是在错误地分析我的数据还是我的 R 真的是 0？
虽然还不是一个完整的答案，但在与一些同事交谈后，我至少对我的问题有了部分答案。
Q1：是和不是，我设置公式的方式完全没问题。但是，我包括了一些（在我的情况下）不必要的因素。我最初添加 RoundNR 作为尝试和纠正学习的一个因素。然而，这没有任何意义，因为我只有两轮，因此我相信我所有的变化都会归因于这个因素。服用 Z-scores 就足够了。至于 test_date，如果这与我的测试本身没有严重混淆，那可能会很有趣。虽然更一般地说（对于其他人）：模型的粗线很好。请注意要包含哪些固定效果。
Q2：我还不是很清楚它的意思，所以如果有人能提供更清楚的解释，那将不胜感激。然而，据我所知，这只是我的数据的结果，而不是我的模型的任何问题。
Q3：答案很明显：我自己的数据。一位同事 运行 通过另一种方法进行快速分析（产生不太准确但更快的可重复性评估）并且还发现 R=0（或至少非常接近它）。
不是一个完整的答案，但我希望它对以后的其他人有所帮助。
我正在分析各种认知测试（以及这些测试的重复）之间的可重复性。我尝试使用 R 中的 rptR 包来确定鸟类的个体可重复性。但是，无论我的模型或我正在测试什么，它总是会导致警告并且 R = 0。我试图了解导致这种情况的原因。
我目前有一个数据框，其中包括：一个 ID（每个人重复两次）。每个 ID 重复都附有相关测试的分数。这些分数首先进行对数转换以获得正态性，然后计算这些分数的 Z 分数，这样我就可以在不同尺度上测量相同特征的测试之间进行比较。然而，无论我如何设置我的模型，我的数据总是导致 R=0 的可重复性。虽然这在技术上是可行的，但我发现它不太可能对所有参数都如此低（因为我在不同的测试之间进行了比较，同样的测试也测量了两次）。此外，我收到每个模型的警告 运行 声明：'Boundary (singular) fit: see ?isSingular'。从我收集到的信息来看，这意味着我的数据中的方差可能太小，尽管我对此并不完全确定。我担心这可能会导致我的 R = 0.
我的数据框片段如下所示：
RNR_ID RoundNR TTC TTC_Z Test_date
2 1 1 28 0.0966013973 43423
114 1 2 14 -0.8138678026 43543
5 2 1 48 0.8045891472 43425
122 2 2 31 0.2302959586 43549
我的模型的两个变体示例： 未调整的 R：
Rep1_Assoc_A <- rpt(TTC_Z ~ RoundNR + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
调整后的 R（我在其中控制了测试日期，希望能够说明重复同一测试之间的个人学习情况）：
Rep2_Assoc_A <- rpt(TTC_Z ~ RoundNR + Test_date + (1|RNR_ID), grname = "RNR_ID", data = rpt_Assoc_A_df, datatype = "Gaussian", nboot = 10, npermut = 10)
注：RNR_ID、RoundNR & TTC_Z为数值变量。 Test_date 以日期格式给出，但我不确定模型如何处理它。在此模型中，RoundNR 表示 "treatment"（因为这表示测试是第一次还是第二次对个人进行评分）。 TTC_Z 表示个人的 Z 分数。
和结果输出分别为：
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.107
CI = [0, 0.283]
P = 1 [LRT]
1 [Permutation]
Repeatability estimation using the lmm method
Repeatability for RNR_ID
R = 0
SE = 0.12
CI = [0, 0.337]
P = 1 [LRT]
1 [Permutation]
如前所述，在 运行 运行此代码时，控制台向我抛出几条：boundary (singular) fit: see ?isSingular 消息。
我还尝试了一个假数据集，在其中我将所有重复值调整为几乎相同，这确实导致了高 R（大约 0.9..）。
虽然这似乎表明我的 R=0 可能实际上是正确的，但我仍然持怀疑态度，因为这不仅出乎意料，（正如我所期望的至少一个非常低但可测量的 R）。但由于我对模型缺乏理解，我担心其他地方也可能出错。
总而言之，我的问题是：
问题 1：我的模型当前的公式是否正确？变量的数据类型是否正确？
Q2：boundary (singular) fit: see ?isSingular在这种情况下是什么意思，我可以"fix"吗？
Q3：是什么导致我的R=0？我是在错误地分析我的数据还是我的 R 真的是 0？
虽然还不是一个完整的答案，但在与一些同事交谈后，我至少对我的问题有了部分答案。
Q1：是和不是，我设置公式的方式完全没问题。但是，我包括了一些（在我的情况下）不必要的因素。我最初添加 RoundNR 作为尝试和纠正学习的一个因素。然而，这没有任何意义，因为我只有两轮，因此我相信我所有的变化都会归因于这个因素。服用 Z-scores 就足够了。至于 test_date，如果这与我的测试本身没有严重混淆，那可能会很有趣。虽然更一般地说（对于其他人）：模型的粗线很好。请注意要包含哪些固定效果。
Q2：我还不是很清楚它的意思，所以如果有人能提供更清楚的解释，那将不胜感激。然而，据我所知，这只是我的数据的结果，而不是我的模型的任何问题。
Q3：答案很明显：我自己的数据。一位同事 运行 通过另一种方法进行快速分析（产生不太准确但更快的可重复性评估）并且还发现 R=0（或至少非常接近它）。
不是一个完整的答案，但我希望它对以后的其他人有所帮助。