移除少量样本后glmer模型出现奇异拟合的原因与解决方法

研究背景 #

• 开展单变量分析寻找与疾病结局相关的生物因素，研究对象为亲缘个体，使用glmer模型调整协变量与家族关联
• 验证队列设置：
  • 发现队列：N=1000，病例占比13%，分组数=750
  • 重复队列：N=350，病例占比13%，分组数=250
• 分析变动：因遗漏某类用药因素，移除用药受试者后，发现队列减少25人，重复队列减少6人（其中50%为病例）
• 现象：发现队列重分析结果无明显变化，但重复队列每次运行glmer模型均出现奇异拟合

已排查方向 #

• 排除男性病例数过少：移除的均为女性
• 排除丢失结局不一致的亲缘个体导致随机效应方差为0：仅丢失1对不一致配对
• 模型结果对比：移除6名用药者后，随机效应方差估计为0；未移除时方差估计值正常且无警告
• 排除单纯样本量减少：随机移除6名样本（3例病例、3例对照）未出现奇异拟合

模型代码 #

glmer(outcome ~ sex + age + bmi + independent_var + (1|family), data = data, family = binomial, control=glmerControl(optimizer="bobyqa",optCtrl=list(maxfun=2e5)), nAGQ = 40)

待解答问题 #

1. 为何仅少量样本变化就出现该问题？
2. 如何解决此问题？

1. 少量样本变化导致奇异拟合的原因 #

• 关键家族的结局变异被移除：你移除的6个样本恰好是部分家族里仅有的结局异质性来源——比如原本有病例和对照的小家族，移除后剩余成员结局完全一致，这些家族的随机效应失去估计依据，最终整体随机效应方差被压缩至0，引发奇异拟合。
• 重复队列本身的统计脆弱性：重复队列总样本量350但分组数达250，说明大部分家族只有1-2个成员，本就缺乏足够的家族内变异支撑随机效应估计。移除的样本刚好击中了少数能提供有效变异的家族，直接让模型无法识别家族聚集性。
• 用药者的非随机分布：被移除的用药者并非随机分布，他们的存在原本维持了部分家族的结局平衡，移除后这种平衡被打破，随机效应的估计失去了必要的支撑信息。

2. 解决方法 #

• 调整模型结构：
  • 若随机效应方差确实趋近于0，可放弃家族随机效应，改用glm固定效应模型，同时报告无法检测到家族聚集性，或使用稳健标准误处理亲缘相关性。
  • 若有家族水平协变量（如家族病史），可加入模型，为随机效应提供更多估计信息。
• 优化模型拟合策略：
  • 更换优化器，比如尝试optimizer="Nelder_Mead"或optimizer="nloptwrap"，不同优化器对边界值（如方差为0）的处理逻辑不同，可能规避奇异拟合警告。
  • 降低nAGQ值（如设为10或20），减少计算复杂度，提升小样本下的模型稳定性，需注意这会牺牲部分估计精度。
• 数据层面调整：
  • 检查被移除样本所属家族，若这些家族只剩单一结局的成员，可考虑保留这些家族（若用药因素影响极小，或通过协变量调整而非移除处理），或直接剔除这些无变异的家族后再建模。
  • 改用广义估计方程（GEE），该方法对聚类内变异的要求更低，更适合小样本聚类数据的分析。
• 敏感性分析替代移除策略：
  • 保留用药者，将用药因素作为协变量纳入模型，既控制混杂效应，又避免样本量减少导致的模型不稳定。

内容的提问来源于stack exchange，提问作者be_nice