我想进行引导,以获得我的固定效应的95%CI在二项式GLMM:计算的R中使用confint固定效应的CI
m <- glmer(cbind(df$Valid.detections, df$Missed.detections) ~ distance +
Habitat + Replicate + transmitter.depth + receiver.depth +
wind.speed + wtc + Transmitter + (1 | Unit) +
(1 | SUR.ID) + distance:Transmitter +
distance:Habitat + distance:transmitter.depth + distance:receiver.depth +
distance:wind.speed, data = df, family = binomial(link=logit),control=glmerControl(calc.derivs=F))
我发现confint()
功能是能够做到这一点,所以我指定了功能:
confint(m, method = "boot", boot.type = "basic", seed = 123, nsim = 1000)
该函数在我决定终止之前已运行了8个多小时。协议终止后,我得到了返回下面的警告消息(X10):
Warning messages:
1: In (function (fn, par, lower = rep.int(-Inf, n), upper = rep.int(Inf, :
failure to converge in 10000 evaluations
我的问题是:1)我担心这些警告消息?如果是这样,我该如何处理它们?2)因为8小时后它仍在运行我不知道执行此功能需要多长时间。因此,在执行此功能时有一些进度条会很好。我读了confint()可以从bootMer接受参数,所以我包括参数.progress =“TXT”,导致:
confint(m, method = "boot", boot.type = "basic", seed = 123, nsim = 1000, .progress = "txt")
,但它似乎并没有工作。或者,如果有更好的方法来实现相同的目标,我愿意接受建议。
感谢所有帮助
在倒数第二句中,“似乎不起作用”是什么意思?你需要加载'plyr'包 - 抱歉,如果不清楚。概况置信区间会更快,并且可能足够准确。 – 2014-10-28 16:53:51
你也可以使用'parm'参数来限制你正在分析哪些参数(即跳过随机效果参数......) – 2014-10-28 17:16:59
你可以增加最大迭代次数(参见'?glmerControl')以摆脱警告。您应该期望自举时间与样本数大致呈线性关系(即,只要首先拟合模型,1000个自举样本应该取1000倍的数量级,尽管内置了一些技巧以使其成为快一点)。 – 2014-10-28 17:18:53