R: 找不到 lme4 的 nlmer 错误变量

Question

下面例子中的数据来自here

library(tidyverse)
library(lme4)
dat <- read.table("aids.dat2",head=T) %>%
  filter(day <= 90) %>%
  mutate(log10copy = log10(lgcopy)) %>%
  na.omit()

> head(dat)
  patid day    cd4   lgcopy    cd8 log10copy
2 11542   2 159.84 4.361728 619.38 0.6396586
3 11542   7 210.60 3.531479 666.90 0.5479566
4 11542  16 204.12 2.977724 635.04 0.4738844
5 11542  29 172.48 2.643453 407.68 0.4221716
6 11542  57 270.94 2.113943 755.78 0.3250933
8 11960   2 324.72 3.380211 856.08 0.5289438

运行以下代码会出现错误:error in eval(expr, envir, enclos) : object 'log10copy' not found，但 log10copy 显然是其中之一我的数据集中的列？

lme4.fit <- lme4::nlmer(log10copy ~ exp(p1-b1*day) + exp(p2-b2*day + 1) + 
                          (1|p1) + (1|b1) + (1|p2) + (1|b2), data = dat)

我想在 p1、b1、p2、b2 和 b2 上拟合一个具有 4 个固定效果的模型4 对同一组参数的随机影响。

Answer 1

这里有几个问题...

1) 起始值必须是命名向量
2) nlmer 中的 data 参数应该接收 dat 作为值，而不是像您的示例中那样接收 aids.dat

start <- c(p1 = 10, b1 = 0.5, p2 = 6, b2 = 0.005)
lme4.fit <- lme4::nlmer(log10copy ~ exp(p1-b1*day) + exp(p2-b2*day + 1) ~ 
                            (p1|patid) + (b1|patid) + (p2|patid) + (b2|patid), data = dat,
                        start = start)

这将触发以下错误:

Erreur : is.matrix(gr <- attr(val, "gradient")) is not TRUE

如文档中所述:

Currently, the Nonlin(..) formula part must not only return a numeric vector, but also must have a "gradient" attribute, a matrix. The functions SSbiexp, SSlogis, etc, see selfStart, provide this (and more). Alternatively, you can use deriv() to automatically produce such functions or expressions.

然后您可以修改文档提供的示例:

## a. Define formula
nform <- ~ exp(p1-b1*input) + exp(p2-b2*input + 1)
## b. Use deriv() to construct function:
nfun <- deriv(nform, namevec=c("p1", "b1", "p2", "b2"),
              function.arg=c("input","p1", "b1", "p2", "b2"))
lme4.fit <- lme4::nlmer(log10copy ~ nfun(day, p1, b1, p2, b2) ~ 
                            (p1|patid) + (b1|patid) + (p2|patid) + (b2|patid), data = dat,
                        start = start)

然后你会出现如下错误

Error in fn(nM$xeval()) : prss failed to converge in 300 iterations

这可能意味着您的模型对于您的数据而言过于复杂...或者我在规范中犯了一个错误，因为我不太了解 nlmer(我只是尝试应用文档...)，我也不知道您的模型/问题。

当你改变优化器时，收敛问题似乎消失了......
参见 here有关使用 lme4

进行“故障排除”(包括收敛问题)的建议

lme4.fit <- lme4::nlmer(log10copy ~ nfun(day, p1, b1, p2, b2) ~ 
                            (p1|patid) + (b1|patid) + 
                            (p2|patid) + (b2|patid), 
                        data = dat,
                        start = start, 
                        nlmerControl(optimizer = "bobyqa"))