线性混合模型加入time二次项后收敛失败问题求助

AI 小北

2026-7-24

线性混合模型二次项拟合收敛失败问题

问题背景

使用给定数据集拟合线性混合模型时，纳入time线性项的模型可正常收敛，但纳入poly(time,2)二次项时出现报错：

Error in lme.formula(vas ~ poly(time, 2), random = ~poly(time, 2) | nhc, : optim problem, convergence error code = 1

已知有3个有效时间点，理论上二次项模型可行，且线性项未报错，排除单纯样本量问题。已尝试调整迭代次数（msMaxIter、msMaxEval）但无效，现提出两个问题：

导致收敛失败的语法或数据原因是什么？
能否在代码中捕获该错误并跳过，或处理time==2的情况？

数据集

df <-structure(list(nhc = structure(c(20121491, 20121491, 20121491, 
20121491, 20121491, 19217499, 19217499, 19217499, 19217499, 19217499, 
20336737, 20336737, 20336737, 20336737, 20336737, 14682006, 14682006, 
14682006, 14682006, 14682006, 18454625, 18454625, 18454625, 18454625, 
18454625, 20109250, 20109250, 20109250, 20109250, 20109250, 19117092, 
19117092, 19117092, 19117092, 19117092, 12618871, 12618871, 12618871, 
12618871, 12618871, 19620863, 19620863, 19620863, 19620863, 19620863, 
18190617, 18190617, 18190617, 18190617, 18190617, 15286988, 15286988, 
15286988, 15286988, 15286988, 521462, 521462, 521462, 521462, 
521462, 19434947, 19434947, 19434947, 19434947, 19434947, 20841801, 
20841801, 20841801, 20841801, 20841801, 19788686, 19788686, 19788686, 
19788686, 19788686, 12574473, 12574473, 12574473, 12574473, 12574473, 
15294473, 15294473, 15294473, 15294473, 15294473), format.spss = "F8.0"), 
    time = c(1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 
    2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 
    1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 
    5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 
    4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5), vas = c(5, 4, 4, NA, 
    NA, NA, NA, NA, NA, NA, 5, NA, 4, NA, NA, 5, 1, 1, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, 4, 2, 2, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
    5, NA, NA, NA, NA, 5, 4, NA, NA, NA, 9, NA, 3, NA, NA, 5, 
    2, 2, NA, NA)), row.names = c(NA, -85L), class = c("tbl_df", 
"tbl", "data.frame"))

问题解答

1. 收敛失败的原因

数据层面

有效样本量极度不足：看似有3个有效时间点，但实际数据集里大部分个体的vas值都是NA，最终仅6个个体有至少2个非NA的vas值。二次项模型的随机部分需要估计3个参数（截距、time线性项、time二次项），参数数量远超有效支撑数据，导致优化器无法找到稳定的极值点。
共线性与稀疏数据叠加：poly(time,2)生成的正交多项式在时间点数量少时，易和其他项产生隐性共线性，再加上数据稀疏，进一步放大了优化难度。
优化器适配性差：指定opt="optim"（默认Nelder-Mead方法）在处理稀疏数据时稳定性不如默认的nlminb，后者对参数空间的搜索效率更适合这类场景。

模型设定层面

随机结构过于复杂：~poly(time,2)|nhc要求每个个体都有截距、线性项、二次项的随机效应，对稀疏数据而言，这种复杂结构极易导致参数估计不稳定，直接引发收敛失败。

2. 错误捕获与数据处理方案

错误捕获

用tryCatch()函数捕获拟合错误，失败时跳过或返回替代结果：

# 封装带错误捕获的拟合函数
fit_model <- function(model_formula, random_formula, data) {
  result <- tryCatch({
    lme(model_formula, random = random_formula, 
        control = lmeControl(opt = "nlminb"), # 换用更稳定的优化器
        method="REML", data=data, na.action = na.omit)
  }, error = function(e) {
    message("模型拟合失败：", e$message)
    return(NULL) # 失败时返回NULL
  })
  return(result)
}

# 拟合二次项模型
quad_model <- fit_model(vas ~ poly(time,2), ~poly(time,2)|nhc, df)

# 拟合成功后再执行后续分析
if (!is.null(quad_model)) {
  summary(quad_model)
}

针对`time==2`的数据处理

筛选包含time==2的有效个体：

library(dplyr)

# 保留至少有time==2且vas非NA的个体
df_filtered <- df %>%
  group_by(nhc) %>%
  filter(any(time==2 & !is.na(vas))) %>%
  ungroup()

# 用筛选后的数据拟合模型
quad_model_filtered <- tryCatch({
  lme(vas ~ poly(time,2), ~poly(time,2)|nhc, 
      control = lmeControl(opt = "nlminb"),
      method="REML", data=df_filtered, na.action = na.omit)
}, error = function(e) NULL)

简化随机结构：如果不需要每个个体都有二次项随机效应，可简化为~time|nhc，降低模型复杂度，大幅提升收敛概率。

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

线性混合模型加入time二次项后收敛失败问题求助

问题背景 #

相关代码 #

数据集 #

问题解答 #

1. 收敛失败的原因 #