GLMER：错误：（maxstephalfit）PIRLS 减半未能减少 pwrssUpdate 中的偏差

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) 

当我运行此命令时，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 1 级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 1 级变量是分类变量，2 级变量都是连续变量（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）

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！）。