我正在进行一项关于鸟类的研究,使用变量“巢穴”作为随机变量运行多个线性混合模型。但是,在某些模型中,我遇到了所谓的“奇异拟合”:我的巢穴随机变量的方差和标准误差均为0.00。
然后我得到:
这是表格:
我了解到奇异问题与过度拟合有关。这可能是因为我有一些响应变量只有一个巢而其他巢则有更多的幼鸟。如何解决这个问题?是否有任何建议?感谢你的帮助。
一些背景信息:我正在研究野生鸟类在嘈杂环境中生活对一些氧化应激参数的影响。为此,我们为每个巢穴的雏鸟取了一次血样进行实验室分析。由于血样有限,无法对每个雏鸟的所有氧化应激参数进行测量。
model <- lmer(antioxidant_capacity~age+sex+clutch+zone+(1|nestID),
data=data, contrasts=list(sex=contr.sum, zon=contr.sum, clutch=contr.sum))
然后我得到:
singular fit
这是表格:
REML criterion at convergence: 974.3
Scaled residuals:
Min 1Q Median 3Q Max
-2.72237 -0.61737 0.06171 0.69429 2.88008
Random effects:
Groups Name Variance Std.Dev.
nestID (Intercept) 0 0.00
Residual 363 19.05
Number of obs: 114, groups: nido_mod, 46
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 294.5970 36.8036 109.0000 8.005 1.41e-12 ***
age -0.2959 3.0418 109.0000 -0.097 0.922685
clutch1 -0.5242 2.0940 109.0000 -0.250 0.802804
sex1 2.3167 1.8286 109.0000 1.267 0.207885
zone1 6.2274 1.7958 109.0000 3.468 0.000752 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) age clutch1 sex1
age -0.999
clutch1 0.474 -0.465
sex1 0.060 -0.054 -0.106
zone1 -0.057 0.061 -0.022 0.058
convergence code: 0
singular fit
我了解到奇异问题与过度拟合有关。这可能是因为我有一些响应变量只有一个巢而其他巢则有更多的幼鸟。如何解决这个问题?是否有任何建议?感谢你的帮助。