我正在研究各种特征对法院对特定犯罪的判决的影响。该数据集非常大(28928 个观测值,86 个 2 级单元)。我正在考虑是否使用 level1 和 level2 特征作为控制(level1 为大写字母)来决定是否监禁某人(=二元结果变量)。
这是我的代码:
MLmodel196a_2 <- glmer(NEPO_ANO_NE ~
OZNACENY_RECIDIVISTA_REG + POCET_DRIV_ODSOUZENI_REG +
ROK_ODSOUZENI_REG + OMEZENI_A_POVINNOST_REG +
POCET_HLAVNICH_LICENI + DRUH_ZAHAJENI_RIZENI_REG +
NOVELA_REG + ODSTAVEC_REG +
EU_OBCANSTVI + POHLAVI_REG + VEK_SPACHANI_REG +
objasnenost_procenta + kriminalita_relativni_REG +
venkov_mesto + socialni + nezamestani_celkem +
vzdelani_zakladni_procenta +
prumerny_vek + podil_15az24_muzu_procenta +
zenati_vsichni_procenta +
verici_procenta + volby_ucast +
(1 | Nazev_soudu), family = binomial, data = vyber196)
当我运行此程序时,我收到此错误:
Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
如果我对不同的数据集(不同的罪行)运行此分析,它会生成带有多个警告的结果。如果我仅使用 level1 控制变量运行此数据集,它会再次生成带有多个警告的结果。
大多数级别 1 变量是分类变量,级别 2 变量都是连续的(未缩放)。
不幸的是我无法提供任何数据,因为这些数据是政府在这种情况下提供的。
我不明白,为什么这种情况只发生在这个罪行上,而不是其他罪行上。有办法解决吗?
(lme4 版本 1.1-12,R 版本 3.3.1)
最佳答案
去掉其中一个连续变量后,就解决了。连续变量是案件的听证次数,在大多数情况下为零。由于不可能在没有听证会的情况下监禁某人,因此可能会扰乱整个过程,因为它是准隔离的。大多数警告最终通过缩放并从原始值重新启动拟合来解决(收敛示例中的 n.1 和 4 - 谢谢!)。
关于r - GLMER : Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38015647/