如何解决glmer混合效应模型的收敛错误问题？

数据老陈

2026-8-13

问题描述

我运行以下代码时持续遇到相同错误：

model5 <- glmer(violentyn~vpul + bmi_new + wmax + (1|fid),
    data = cohort4, family = binomial)

得到的警告信息：

1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to converge with max|grad| = 0.254024 (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?

变量说明

以儿子的静息心率（连续变量，vpul）为预测变量，BMI（bmi_new）和体能变量（wmax）为协变量（均为连续变量），预测儿子的暴力行为（二元变量violentyn，0/1），并按家庭ID（fid）聚类。数据集为大规模人群数据，包含父子信息，但当前仅使用儿子的变量。

我尝试在代码末尾添加优化器设置：control=glmerControl(optimizer="bobyqa"))，但仍出现相同错误。

请问：1）该错误产生的原因是什么？2）有哪些解决方法？

运行`allFit`后的结果

> summary(Newmodel)
$which.OK
                       bobyqa                   Nelder_Mead                    nlminbwrap               optimx.L-BFGS-B nloptwrap.NLOPT_LN_NELDERMEAD
                         TRUE                          TRUE                          TRUE                          TRUE                          TRUE
    nloptwrap.NLOPT_LN_BOBYQA
                         TRUE

$msgs
$msgs$bobyqa
$msgs$bobyqa[[1]]
[1] "Model failed to converge with max|grad| = 0.0492524 (tol = 0.002, component 1)"
$msgs$bobyqa[[2]]
[1] "Model is nearly unidentifiable: very large eigenvalue\n - Rescale variables?"
$msgs$Nelder_Mead

$msgs$Nelder_Mead[[1]]

[1] "Model failed to converge with max|grad| = 0.0208731 (tol = 0.002, component 1)"

 

$msgs$Nelder_Mead[[2]]

[1] "Model is nearly unidentifiable: very large eigenvalue\n - Rescale variables?"
$msgs$nlminbwrap

[1] "boundary (singular) fit: see help('isSingular')"
$msgs$`optimx.L-BFGS-B`

[1] "unable to evaluate scaled gradient"                                        "Model failed to converge: degenerate  Hessian with 1 negative eigenvalues"

 

$msgs$nloptwrap.NLOPT_LN_NELDERMEAD

[1] "unable to evaluate scaled gradient"                                        "Model failed to converge: degenerate  Hessian with 1 negative eigenvalues"
$msgs$nloptwrap.NLOPT_LN_BOBYQA

[1] "Model failed to converge with max|grad| = 17.0248 (tol = 0.002, component 1)"

 
 
$fixef

                              (Intercept)

bobyqa                         -12.325043

Nelder_Mead                    -12.326691

nlminbwrap                      -3.119328

optimx.L-BFGS-B                -12.328315

nloptwrap.NLOPT_LN_NELDERMEAD  -12.325046

nloptwrap.NLOPT_LN_BOBYQA      -11.525685

 
$llik

                       bobyqa                   Nelder_Mead                    nlminbwrap               optimx.L-BFGS-B nloptwrap.NLOPT_LN_NELDERMEAD

                    -7945.366                     -7945.358                    -15968.103                     -7945.366                     -7945.365

    nloptwrap.NLOPT_LN_BOBYQA

                    -7987.759

 
$sdcor

                              fid.(Intercept)

bobyqa                         28.77715048132

Nelder_Mead                    28.81300356231

nlminbwrap                      0.00004213222

optimx.L-BFGS-B                28.83265512110

nloptwrap.NLOPT_LN_NELDERMEAD  28.79536607386

nloptwrap.NLOPT_LN_BOBYQA      22.37746729938

 
$theta

                              fid.(Intercept)

bobyqa                         28.77715048132

Nelder_Mead                    28.81300356231

nlminbwrap                      0.00004213222

optimx.L-BFGS-B                28.83265512110

nloptwrap.NLOPT_LN_NELDERMEAD  28.79536607386

nloptwrap.NLOPT_LN_BOBYQA      22.37746729938

 
$times

                              user.self sys.self elapsed user.child sys.child

bobyqa                           169.55    12.90  182.62         NA        NA

Nelder_Mead                      240.92    18.10  259.18         NA        NA

nlminbwrap                         9.69     0.37   10.06         NA        NA

optimx.L-BFGS-B                  226.92    10.24  237.44         NA        NA

nloptwrap.NLOPT_LN_NELDERMEAD    136.09     5.62  141.89         NA        NA

nloptwrap.NLOPT_LN_BOBYQA         80.90     3.26   84.19         NA        NA

 
$feval

                       bobyqa                   Nelder_Mead                    nlminbwrap               optimx.L-BFGS-B nloptwrap.NLOPT_LN_NELDERMEAD

                          142                           191                            NA                            50                           103

    nloptwrap.NLOPT_LN_BOBYQA

                           96

 
attr(,"class")

[1] "summary.allFit"

问题解答

1. 错误产生的原因

从警告和allFit结果来看，核心问题有两点：

模型收敛失败：最大梯度值超过了容忍阈值（tol=0.002），说明优化算法寻找最优参数时未达到稳定状态。
模型近乎不可识别：特征值过大，结合nlminbwrap的“边界（奇异）拟合”提示，以及不同优化器给出的组间标准差差异极大（从接近0到28以上），说明组间随机效应的方差几乎为0，或与固定效应参数存在共线性。

此外，二元因变量（暴力行为）可能存在类别不平衡（比如暴力行为样本占比极低），这会大幅提升逻辑斯蒂混合模型的优化难度，也是收敛失败的潜在诱因。

2. 解决方法

（1）标准化/缩放连续变量

警告明确提示“Rescale variables?”，这是最优先尝试的方案：
将所有连续预测变量标准化为均值0、标准差1的变量，或缩放到0-1区间。示例代码：

cohort4$vpul_z <- scale(cohort4$vpul)
cohort4$bmi_new_z <- scale(cohort4$bmi_new)
cohort4$wmax_z <- scale(cohort4$wmax)

# 用标准化后的变量重新拟合模型
model5 <- glmer(violentyn~vpul_z + bmi_new_z + wmax_z + (1|fid),
    data = cohort4, family = binomial, control=glmerControl(optimizer="bobyqa"))

缩放变量能缩小参数间的数值差异，降低优化过程中的数值不稳定问题，同时缓解模型不可识别性。

（2）处理类别不平衡

如果暴力行为（violentyn=1）样本占比极低：

可使用加权逻辑斯蒂模型，给少数类样本赋予更高权重；
尝试Firth惩罚逻辑斯蒂混合模型，用brglm2包实现，该方法专门针对分离数据（类别极端不平衡），能提升模型稳定性。

（3）调整优化器与收敛阈值

从allFit结果看，bobyqa和Nelder_Mead的结果相对一致，可尝试放宽收敛阈值或增加迭代次数：

model5 <- glmer(violentyn~vpul_z + bmi_new_z + wmax_z + (1|fid),
    data = cohort4, family = binomial,
    control=glmerControl(optimizer="bobyqa",
        optCtrl=list(maxfun=10000), # 增加最大迭代次数
        checkConv=checkConvControl(grad=0.01) # 放宽梯度容忍阈值
    ))

（4）简化模型

如果组间随机效应方差确实接近0，说明按家庭ID聚类的结构对模型无显著贡献，可去掉随机效应，使用普通逻辑斯蒂回归：

model5 <- glm(violentyn~vpul_z + bmi_new_z + wmax_z,
    data = cohort4, family = binomial)

之后可用似然比检验比较混合模型与普通模型的拟合优度，验证随机效应是否必要。

（5）使用贝叶斯方法

若频繁出现收敛问题，换用贝叶斯框架拟合模型更稳定，比如用brms包：

library(brms)
model5 <- brm(violentyn~vpul_z + bmi_new_z + wmax_z + (1|fid),
    data = cohort4, family = binomial,
    prior = prior(normal(0, 1), class = b) + prior(cauchy(0, 1), class = sd))

贝叶斯方法通过引入先验分布，能缓解参数不可识别问题，且无需依赖优化算法的收敛性判断。

内容的提问来源于stack exchange，提问作者Bridget

如何解决glmer混合效应模型的收敛错误问题？

变量说明 #

运行allFit后的结果 #

1. 错误产生的原因 #

2. 解决方法 #

（1）标准化/缩放连续变量 #

（2）处理类别不平衡 #

（3）调整优化器与收敛阈值 #

（4）简化模型 #

（5）使用贝叶斯方法 #