如何解决线性混合效应模型中的奇异性
数据集描述:我使用了一个数据集,其中包含来自多个学科的神经心理学 (np) 测试。每个受试者在他/她的后续行动中都有不止一项测试,即每年一次测试。我研究了这些科目的认知能力下降。我拥有的信息是:个人编号(身份编号)、教育(年)、性别(男/女作为因素)、年龄(年)、基线时间(= 第一次 np 测试后的年数)。
目标:我的目标是衡量他们的 np 测试的变化率,即他们每个人每年的认知能力下降。为此,我使用线性混合效应模型 (LMEM),将上述参数考虑在内,并计算每个主题的斜率。
问题:当我运行可能的模型(每次组合不同的参数)时,我还会检查它们的奇异性,并且几乎所有情况下的结果都是 TRUE。所以我的模型呈现奇点!在我想使用这些模型进行预测的情况下,这并不好,因为这意味着模型过度拟合数据。但现在我只想找到每个人的斜率,我认为这不是问题,或者更好的是我认为这是一个优势,因为在这种情况下,奇点为受试者的斜率提供了更精确的计算。你觉得这个想法对吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。