glmmLasso错误和警告

Question

我正在尝试使用glmmLasso在广义线性混合模型中进行变量选择，但是出现了错误和警告，我无法解决。数据集不平衡，一些参与者（PTNO）比其他参与者拥有更多样本；没有缺失数据。我的因变量是二进制的，除了ID变量PTNO之外的所有其他变量都是连续的。 我怀疑发生了非常普通的事情，但显然没有看到它，并且在文档或网络上没有找到任何解决方案。 代码基本上只是从glmmLasso足球示例调整而来：

glm8 <- glmmLasso(Group~NDUFV2_dCTABL+GPER1_dCTABL+ ESR1_dCTABL+ESR2_dCTABL+KLF12_dCTABL+SP4_dCTABL+SP1_dCTABL+  PGAM1_dCTABL+ANK3_dCTABL+RASGRP1_dCTABL+AKT1_dCTABL+NUDT1_dCTABL+                   POLG_dCTABL+   ADARB1_dCTABL+OGG_dCTABL+ PDE4B_dCTABL+  GSK3B_dCTABL+ APOE_dCTABL+  MAPK6_dCTABL, rnd = list(PTNO=~1),  
    family = poisson(link = log), data = stackdata, lambda=100, 
    control = list(print.iter=TRUE,start=c(1,rep(0,29)),q.start=0.7)) 

下面显示了错误消息。具体来说，我不认为数据集中有任何NA，并且我对关于因子变量的警告的含义不确定。

迭代1 Error in grad.lasso[b.is.0] <- score.beta[b.is.0] - lambda.b * sign(score.beta[b.is.0]) : 子脚本赋值中不允许出现NAs。 此外：警告消息： 在Ops.factor(y, Mu)中：“-” 对于因子没有意义。

提供了包含必要变量的简略数据集（R格式），可以从此处下载。希望能够得到一些关于如何继续分析的指导。如果数据集有问题或无法下载，请告诉我。非常感谢您的帮助。

- Klaus

---

请提供一个可以重现的示例或者样本数据的访问权限。 - Morgan Ball

作为第一步，您应该消除警告。 - Roland

样本数据可从上面的超链接（“数据集”）中获取（应该可以使用）。恐怕我不知道如何消除警告 - 这是我希望能够通过一些输入解决的问题之一。 - Klaus

我很抱歉目前还无法解决这个问题。非常感谢任何帮助。 - Klaus

@Klaus 我认为你遇到的错误是由于Delta.start长度不正确引起的。此外，您需要确保为ID的级别留出空间，并且因子的级别需要等于ID中唯一值的数量。我在这里写了更多关于它的内容：http://stackoverflow.com/questions/42793904/glmmlasso-try-error-for-all-lambda/42932514#42932514 - Kristofersen

Answer 1

我来跟进一下@Kristofersen上面的评论。确实是start向量搞乱了你的分析。

如果我运行

glm8 <- glmmLasso(Group~NDUFV2_dCTABL+GPER1_dCTABL+ ESR1_dCTABL+ESR2_dCTABL+KLF12_dCTABL+SP4_dCTABL+SP1_dCTABL+  PGAM1_dCTABL+ANK3_dCTABL+RASGRP1_dCTABL+AKT1_dCTABL+NUDT1_dCTABL+                   POLG_dCTABL+   ADARB1_dCTABL+OGG_dCTABL+ PDE4B_dCTABL+  GSK3B_dCTABL+ APOE_dCTABL+  MAPK6_dCTABL, 
                  rnd = list(PTNO=~1), 
                  family = binomial(), 
                  data = stackdata, 
                  lambda=100,     
                  control = list(print.iter=TRUE))

然后一切都很好（即收敛并产生解决方案）。您已复制了泊松回归的示例，并需要调整代码以适应您的情况。我不知道输出是否有意义。

快速提示：上面的代码中我使用了二项分布，因为您的结果是二元的。如果估计相对风险是有意义的，则泊松可能是合理的（而且它也会收敛），但您需要重新编码您的结果，因为两个组被定义为1和2，这肯定会搞乱泊松回归。

换句话说，执行以下操作：

stackdata$Group <- stackdata$Group-1

在分析之前运行。

- ekstroem

---

谢谢！对我来说，略去起始向量也解决了这个问题。感谢@Kristofersen，并指出有关计算调整参数的相关帖子。 - Klaus