使用lme4的cloglog链接拟合glmer时出现PIRLS步长减半错误求助

核心原因：响应变量完全分离 + 模型结构的数值冲突 #

你的数据中pres列所有观测值都是1，属于二项模型的完全分离极端情况，结合cloglog链接、偏移项与随机效应的组合，触发了PIRLS算法的数值稳定性问题：

• 当响应变量全为1时，cloglog链接要求模型的线性预测值（eta = 截距 + 随机效应 + offset(log(tot_ab))）足够大，才能让预测概率1 - exp(-exp(eta))趋近于1。
• 单独拟合时，算法能通过简化结构规避冲突：
  • 仅加随机效应（no_off）：无偏移项时，算法只需将截距和随机效应调整到足够大的值，就能满足概率要求，不会触发步长错误。
  • 仅加偏移项（no_re）：固定效应glm的算法可以直接将截距与偏移项的组合调整到极端值，不会遇到混合效应模型的多参数协同优化负担。
• 同时加入偏移项和随机效应时，PIRLS算法需要同时优化固定截距、随机效应方差，而极端的响应值要求参数不断向极端值调整，导致算法的步长更新无法找到可行的解空间，只能不断减半步长仍无法收敛，最终抛出错误。

验证方法 #

将pres列的部分观测值改为0（比如随机选3-5个），再运行以下代码，模型应该能正常拟合：

# 修改部分pres值为0
sub$pres[sample(1:nrow(sub), 3)] <- 0
# 重新拟合模型
smaller_fixed <- lme4::glmer(pres ~ offset(log(tot_ab)) + (1|sp),
                             family = binomial(link = cloglog),
                             data = sub)

补充说明 #

你遇到的Error: cannot generate feasible simplex错误，本质也是同一类问题：数据的极端特性（比如完全分离、参数空间无有效解）导致模型优化算法无法找到可行的参数组合，和当前问题的根源一致。

内容的提问来源于stack exchange，提问作者Michael Roswell