summary lmerTest : model is not identifiable...

[Delphine Corneil]

Bonjour,

J'ai créé un modèle mixte (assez lourd car beaucoup de termes) comme ci-dessous :

Code : Tout sélectionner

> library(lmerTest)

> mixte.lmertest=lmer(i2m2 ~ phosphore + nitrate + nitrite + ... +  (phosphore|groupe) + (nitrate|groupe) + (nitrite|groupe) + ... ,data=dat)
Messages d'avis :
1: In checkScaleX(X, ctrl = control) :
  Some predictor variables are on very different scales: consider rescaling
2: In commonArgs(par, fn, control, environment()) :
  maxfun < 10 * length(par)^2 is not recommended.
3: In optwrap(optimizer, devfun, getStart(start, rho$lower, rho$pp),  :
  convergence code 1 from bobyqa: bobyqa -- maximum number of function evaluations exceeded
4: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model failed to converge with max|grad| = 80.0079 (tol = 0.002)
5: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  Model failed to converge: degenerate  Hessian with 9 negative eigenvalues

> summary(mixte.lmertest)
Model is not identifiable...
Erreur dans `colnames<-`(`*tmp*`, value = c("Estimate", "Std. Error", "df",  :
  la longueur de 'dimnames' [2] n'est pas égale à l'étendue du tableau
De plus : Messages d'avis :
...


Le modèle 'mixte.test' a pourtant bien été créé; les messages sont des messages "d'avis" je n'en tiens donc pas compte. Je ne veux pas utiliser le package lme4 car je souhaite obtenir les p-values de mes effets.

Quelqu'un saurait me dire ce qui ne va pas? Pourquoi le modèle n'est-il pas identifiable?

Merci d'avance!

[Renaud Lancelot]

Il nous faudrait un exemple reproductible ce qui n'est pas le cas ici.

Un des messages d'avis indique que l'algorithme n'a pas convergé, probablement parce que le modèle est sur-paramétré par rapport aux données. En tout état de cause, vous ne pouvez pas vous fier aux résultats obtenus avec un modèle qui n'a pas convergé.

Vous devriez vous inquiéter également des autres messages d'avis qui indiquent des problèmes numériques sérieux et confirment le risque de sur-paramétrage.