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。