嵌套数据集混合模型不收敛问题求解

问题背景 #

我有一个学生嵌套于学校的数据集，包含两类变量：学校层面变量（仅跨校变化、校内无差异，比如学校社会经济指数、所在区域）和学生层面变量。使用R语言lme4包的lmer函数建模时，加入学校层面变量作为随机斜率的模型始终无法收敛，寻求解决方法。

模型与报错情况 #

模型1（仅随机截距，收敛正常） #

m1 = lmer( english_scores ~ (1| school_id) + school_region + school_linguistic_region + school_socioeconomic + school_size + student_birth + student_gender + student_socioeconomic + student_inmigrant + student_spanish_score + student_maths_score + student_language, data=primary) 

模型2（尝试加入学校层面变量作为随机斜率，报错） #

m2 = lmer( english_scores ~ (1 + school_region + school_linguistic_region + school_socioeconomic + school_size | school_id) + school_region + school_linguistic_region + school_socioeconomic + school_size + student_birth + student_gender + student_socioeconomic + student_inmigrant + student_spanish_score + student_maths_score + student_language, data=primary)

运行后报错：

boundary (singular) fit: see help('isSingular') Warning message: Model failed to converge with 2 negative eigenvalues: -3.4e+00 -9.3e+00

简化随机斜率后的模型（仍有警告） #

m2 = lmer( english_scores ~ (1 + school_socioeconomic + school_size | school_id) + school_socioeconomic + school_size + student_birth + student_gender + student_socioeconomic + student_inmigrant + student_spanish_score + student_maths_score + student_language, data=primary) 

警告信息：

Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 3.41928 (tol = 0.002, component 1)
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model is nearly unidentifiable: very large eigenvalue - Rescale variables?

核心问题分析 #

学校层面变量校内无差异，给这类变量加随机斜率在统计逻辑上不成立：随机斜率的本质是估计“变量对因变量的效应在组间的变异”，但同一学校内所有学生的学校层面变量取值完全相同，无法计算校内效应，直接导致模型识别困难、收敛失败。

具体解决步骤 #

• 修正模型结构：移除学校层面变量的随机斜率，仅保留随机截距（即模型1的结构）。如果要考察学校特征对效应的调节，可将学校层面变量与学生变量做固定效应交互项，而非设置随机斜率。
• 标准化连续变量：把school_socioeconomic、school_size等连续变量标准化为均值0、标准差1的变量，降低数值计算压力。示例代码：

  primary$school_socioeconomic_z = scale(primary$school_socioeconomic)
  primary$school_size_z = scale(primary$school_size)
  primary$student_socioeconomic_z = scale(primary$student_socioeconomic)
  

  用标准化后的变量重新建模。
• 调整收敛控制参数：若仍需尝试随机斜率模型，可换用更稳定的优化器或增大迭代次数。示例代码：

  m2_adj = lmer(english_scores ~ (1 + school_socioeconomic_z + school_size_z | school_id) + school_socioeconomic_z + school_size_z + student_birth + student_gender + student_socioeconomic_z + student_inmigrant + student_spanish_score + student_maths_score + student_language, 
                data=primary,
                control = lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 10000)))
  

  注意：这只是缓解收敛警告的手段，无法解决模型设定的根本问题，优先调整结构。
• 检查样本量：统计学校数量和各校学生数（table(primary$school_id)），若学校数量过少（比如少于50所），随机效应的估计会极不稳定，建议放弃复杂的随机斜率模型。

内容的提问来源于stack exchange，提问作者Elena García