二项式GLMM中随机效应的奇异拟合问题求助

核心原因 #

你的模型出现随机效应方差为0的奇异拟合，主要源于数据结构的限制：

• 组内样本量严重不足：194个家庭里，仅9个家庭有2条观测（203-194=9），其余185个家庭均只有1条记录。随机效应方差的估计依赖组内重复观测提供的变异信息——单观测家庭无法贡献任何组内差异数据，仅有的9个多观测家庭样本量太小，不足以让模型识别出家庭间的差异信号。
• 组内结局无变异：如果那9个有2条观测的家庭，两次记录的self_reported_conflict结果完全一致（全为0或全为1），模型找不到组内差异的证据，自然会将随机效应方差缩至0，此时模型等价于普通的logistic回归。

验证与解决步骤 #

• 检查多观测家庭的结局分布：运行以下代码查看每个家庭的结局一致性：

  table(df$household, df$self_reported_conflict)
  

  若所有多观测家庭的结局均无变异，说明随机效应没有存在的必要。
• 改用普通logistic回归：既然随机效应方差为0，直接拟合固定效应模型即可：

  m.e1 <- glm(self_reported_conflict ~ 1, data = df, family = binomial(link = "logit"))
  

• 尝试贝叶斯方法（可选）：若坚持保留家庭随机效应，可借助贝叶斯框架（如brms包），给随机效应方差添加弱信息先验（如半柯西先验），避免模型将方差缩至0。示例代码：

  library(brms)
  m.e1_brms <- brm(self_reported_conflict ~ 1 + (1|household),
                   data = df,
                   family = binomial(link = "logit"),
                   prior = prior(cauchy(0, 1), class = sd))
  

• 核查数据质量：确认是否存在数据录入错误，比如重复记录、家庭ID编码错误导致的虚假多观测，或者结局变量的编码问题。

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