R语言glmmTMB函数异常：结果NaN及模型收敛问题求助

我有一份大型机动车保险数据集，拟使用glmmTMB构建混合模型回归，建模期望索赔频率以确定初始基准保费。我的R脚本如下：

glmmTMB(response ~ Var1 + Var2 + Var3 + ... +
   offset(log(exposure_level)) + (1|policy_id), 
       data = data, 
       family = nbinom1(link = "log")) 

（注：原脚本存在括号匹配错误，已修正）

无论如何调整，模型均出现NaN值及收敛相关警告，summary()输出中的p值、标准差（std）、z值、AIC、BIC、logLik和deviance全为NaN。具体警告信息：

Warning messages:
1: In .checkRankX(TMBStruc, control$rank_check) :
fixed effects in conditional model are rank deficient
2: In (function (start, objective, gradient = NULL, hessian = NULL, :
NA/NaN function evaluation
3: In (function (start, objective, gradient = NULL, hessian = NULL, :
NA/NaN function evaluation
4: In fitTMB(TMBStruc) :
Model convergence problem; non-positive-definite Hessian matrix. See vignette('troubleshooting')
5: In fitTMB(TMBStruc) :
Model convergence problem; false convergence (8). See vignette('troubleshooting')

我已尝试重新分组数据、剔除变量，但警告及NaN问题仍未解决，恳请提供解决方案。

1. 修正基础语法错误 #

原脚本中offset的括号匹配错误会直接导致拟合异常，先确保代码语法正确（如上述修正后的脚本）。

2. 解决固定效应秩不足问题 #

第一个警告明确指出固定效应存在共线性或冗余，这是核心问题：

• 用cor(model.matrix(~ Var1 + Var2 + Var3 + ..., data=data))计算变量相关矩阵，移除相关系数高于0.7的变量之一
• 用caret::findLinearCombos(model.matrix(~ Var1 + Var2 + Var3 + ..., data=data))定位完全共线性变量（比如某变量是其他变量的线性组合），直接剔除冗余项
• 检查分类变量：若存在仅含1个水平的因子，这类变量无解释力，直接删除
• 从极简模型开始逐步添加变量：先拟合response ~ offset(log(exposure_level)) + (1|policy_id)，确认能正常收敛后，逐个添加固定效应变量，定位导致收敛失败的变量

3. 清理数据异常 #

• 过滤exposure_level <= 0的样本：log(0)会产生-Inf，直接引发NaN问题
• 检查response变量：剔除NA/NaN值，同时排查极端索赔频率值，可考虑对极端值做截断处理
• 整理随机效应组：剔除policy_id中仅含1个样本的小组，这类小组会导致随机效应估计不稳定

4. 调整模型拟合控制参数 #

针对收敛问题，优化拟合参数：

• 增加迭代次数：control=glmmTMBControl(optimizer=optim, optArgs=list(maxit=1000))
• 更换优化器：尝试nloptr优化器，control=glmmTMBControl(optimizer="nloptr", optArgs=list(algorithm="NLOPT_LN_BOBYQA"))
• 设定合理起始值：先拟合简单模型，用其系数作为复杂模型的起始值：

simple_fit <- glmmTMB(response ~ offset(log(exposure_level)) + (1|policy_id), data=data, family=nbinom1(link="log"))
full_fit <- glmmTMB(response ~ Var1 + Var2 + Var3 + ... + offset(log(exposure_level)) + (1|policy_id), 
                    data=data, 
                    family=nbinom1(link="log"),
                    start=list(cond=fixef(simple_fit)))

5. 尝试替代分布/链接函数 #

如果nbinom1始终收敛困难：

• 先测试泊松混合模型family=poisson(link="log")，确认数据本身无致命问题
• 切换到nbinom2分布（负二项分布的另一种参数化，稳定性更强），即family=nbinom2(link="log")

内容的提问来源于stack exchange，提问作者Kat