herve chapuis a écrit :1° J'ai trouvé des réponses suggérant de spécifier nAGQ = 5 ou plus. Je n'ai pas trop bien compris ce que ça pourrait changer. Et à quel endroit l'ajouter ?
nAGQ est un des arguments de glmer: voir ?glmer
nAGQ a positive integer - the number of points per axis for evaluating the adaptive Gauss-Hermite approximation to the log-likelihood. This defaults to 1, corresponding to the Laplacian approximation. Values greater than 1 produce greater accuracy in the evaluation of the log-likelihood at the expense of speed.
En clair, quand on augment nAGQ, l'approximation du log de la vraisemblance est meilleure (mais les calculs sont plus longs). Des problèmes de fausse convergence peuvent ainsi être évités dans certains cas.
2° Je désirais savoir comment détecter in situ l es mauvaises convergences pour ne pas les prendre en compte dans mon bilan. Il m'a été suggéré de transformer les "warnings" en "errors" mais je n'ai pas bien compris en quoi cela me dépannerait.
Il faut
1) jouer sur l'option "warn"; e.g.
warn:
sets the handling of warning messages. If warn is negative all warnings are ignored. If warn is zero (the default) warnings are stored until the top–level function returns. If fewer than 10 warnings were signalled they will be printed otherwise a message saying how many (max 50) were signalled. An object called last.warning is created and can be printed through the function warnings. If warn is one, warnings are printed as they occur. If warn is two or larger all warnings are turned into errors.
2) Utiliser ensuite la fonction
try pour capturer les erreurs (faire un test sur le résultat de try).
Si ce que j'écris n'est pas clair, dites-moi et je ferai un exemple.
Renaud