如何在 r 中没有警告消息的情况下知道 lme4 中模型是否收敛或未能收敛？

重复的

例如， 我可以通过以下方式评估这个多级模型是否是单一拟合 使用isSingular()功能。

同样，有什么方法可以知道这个模型是收敛还是失败？

我的顾问说，如果模型无法收敛，则不会估计标准误差。然而，尽管以下未能收敛，但似乎估计了标准误差。

是否有任何好的指标表明该模型收敛或未能收敛？ （除了注意到警告消息之外）

我正在使用lme4包装和lmer()功能。

例如，有一个收敛失败的多级模型的例子

library(lme4)
read.table(textConnection("duration season  sites   effect
                          4d    mon s1  7305.91
                          4d    mon s2  856.297
                          4d    mon s3  649.93
                          4d    mon s1  10121.62
                          4d    mon s2  5137.85
                          4d    mon s3  3059.89
                          4d    mon s1  5384.3
                          4d    mon s2  5014.66
                          4d    mon s3  3378.15
                          4d    post    s1  6475.53
                          4d    post    s2  2923.15
                          4d    post    s3  554.05
                          4d    post    s1  7590.8
                          4d    post    s2  3888.01
                          4d    post    s3  600.07
                          4d    post    s1  6717.63
                          4d    post    s2  1542.93
                          4d    post    s3  1001.4
                          4d    pre s1  9290.84
                          4d    pre s2  2199.05
                          4d    pre s3  1149.99
                          4d    pre s1  5864.29
                          4d    pre s2  4847.92
                          4d    pre s3  4172.71
                          4d    pre s1  8419.88
                          4d    pre s2  685.18
                          4d    pre s3  4133.15
                          7d    mon s1  11129.86
                          7d    mon s2  1492.36
                          7d    mon s3  1375
                          7d    mon s1  10927.16
                          7d    mon s2  8131.14
                          7d    mon s3  9610.08
                          7d    mon s1  13732.55
                          7d    mon s2  13314.01
                          7d    mon s3  4075.65
                          7d    post    s1  11770.79
                          7d    post    s2  4254.88
                          7d    post    s3  753.2
                          7d    post    s1  11324.95
                          7d    post    s2  5133.76
                          7d    post    s3  2156.2
                          7d    post    s1  12103.76
                          7d    post    s2  3143.72
                          7d    post    s3  2603.23
                          7d    pre s1  13928.88
                          7d    pre s2  3208.28
                          7d    pre s3  8015.04
                          7d    pre s1  11851.47
                          7d    pre s2  6815.31
                          7d    pre s3  8478.77
                          7d    pre s1  13600.48
                          7d    pre s2  1219.46
                          7d    pre s3  6987.5
                          "),header=T)->dat1

lmer(effect ~ duration + (1+duration|sites) +(1+duration|season),
                                  data=dat1)

这会产生错误 警告信息： 模型未能收敛到 1 个负特征值：-2.3e+01

然而，标准误差似乎是被估计的，尽管它未能收敛。

Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
Formula: effect ~ duration + (1 + duration | sites) + (1 + duration |      season)
   Data: dat1

REML criterion at convergence: 969

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.0515 -0.6676  0.0075  0.5333  3.2161 

Random effects:
 Groups   Name        Variance Std.Dev. Corr
 sites    (Intercept) 8033602  2834         
          duration7d  1652488  1285     1.00
 season   (Intercept)       0     0         
          duration7d  1175980  1084      NaN
 Residual             5292365  2301         
Number of obs: 54, groups:  sites, 3; season, 3

Fixed effects:
            Estimate Std. Error       df t value Pr(>|t|)  
(Intercept) 4183.896   1695.252    2.008   2.468    0.132  
duration7d  3265.641   1155.357    3.270   2.827    0.060 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
           (Intr)
duration7d 0.520 
optimizer (nloptwrap) convergence code: 0 (OK)
boundary (singular) fit: see ?isSingular

（以上数据和代码不是我的模型， 我从堆栈溢出问题之一复制并粘贴了这些数据和代码。）

总而言之，我的问题是

1. 除了注意警告消息之外，是否有任何明确的功能或方式来通知该功能是否收敛或收敛失败

（就像评估奇点一样，isSingular() 函数给出了明确的指示）

2. 为什么模型无法收敛时仍然估计标准误差？

最终目标是为了我的模拟研究，我会计算收敛速度。

我的顾问说，如果模型无法收敛，则不会估计标准误差。然而，尽管以下未能收敛，但似乎估计了标准误差。

您展示的模型has收敛了。您知道这一点是因为以下消息：

optimizer (nloptwrap) convergence code: 0 (OK)

如果它没有收敛，您会看到如下警告：

In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
Model failed to converge: degenerate  Hessian with 1 negative eigenvalues

然而，它已经收敛到奇异拟合，如下一行所示：

boundary (singular) fit: see ?isSingular

除了注意警告消息之外，是否有任何明确的功能或方式来通知该功能是否收敛或收敛失败

我为此使用以下辅助函数：

# helper function
# Has the model converged ?

hasConverged <- function (mm) {
  
  if ( !inherits(mm, "merMod")) stop("Error: must pass a lmerMod object")
  
  retval <- NULL
  
  if(is.null(unlist(mm@optinfo$conv$lme4))) {
    retval = 1
  }
  else {
    if (isSingular(mm)) {
      retval = 0
    } else {
      retval = -1
    }
  }
  return(retval)
}

如果模型收敛则返回 1normally即不是奇异拟合，如果收敛到奇异拟合则为 0，如果未能收敛则为 -1。另一种方法是根据 @SamR 的评论将警告升级为错误：

一般来说，如果警告还不够，您可以使用 options(warn=2) 将警告变成错误，这意味着操作将结束，因此您不应该得到任何标准错误或其他输出。请记住之后将警告设置回 1。

继续：

为什么模型无法收敛时仍然估计标准误差？

好吧，如上所述，它已经收敛了，而你的顾问在这里错了：

我的顾问说，如果模型无法收敛，则不会估计标准误差。

如果模型未能收敛，它将输出放弃前最后一次迭代获得的估计值。