r - 使用观察水平随机效应对计数数据中的过度分散进行建模并获得奇异拟合警告
问题描述
我正在拟合具有泊松误差分布和日志链接的glmer
模型,以测试男性组(治疗,控制)对特定生殖行为所花费的时间(秒,因此整数计数)的影响。我的随机因素由女性身份表示,因为同一位女性同时与治疗组和对照组相结合。
glmer<-glmer(behaviour~group + (1|ID_female), family=poisson, data=behaviour)
由于模型过度分散:在 12 个自由度上为 3364.749(比率:280.396),我引入了第二个观察水平随机因子:
glmer<-glmer(behaviour~group + (1|ID_female) + (1|observation),family=poisson, data=behaviour)
通过这种方式,我纠正了过度分散(残差:11 个自由度上的 3.08,比率:0.28),但我收到了奇异拟合的警告:
边界(奇异)拟合:见?isSingular
我怎么能以不同的方式处理这个问题?非常感谢。
解决方案
推荐阅读
- database - Azure Cosmos Document DB,可能有关系链接吗?
- python - networkx 失败:SyntaxError:位置参数跟随关键字参数
- kubernetes-helm - ksonnet 有类似“helm list”的功能吗?
- sql-server - SQL Server:触发器仅影响 1 行
- c# - 在父表中插入数据,然后在子表中插入父主键
- jquery - 如何在jquery中替换[{}]括号内的文本
- ios - Cocoapods:一个工作区中具有共享私有框架的两个应用程序
- android - 第二次插入数据期间的Android RoomDatabase异常
- android - TextView.getText().toString() 与 TextView.toString()
- java - 如何在 Java 中制作我的数组数组?(没有 ArrayLists)