Glmer模型运行数日无输出，如何加速及排查运行异常

运行加速方案 #

• 优化lme4本身的运行参数
  给glmer添加控制参数，指定更快的优化器、开启运行日志，避免无意义的等待，示例代码如下：

  acc_glmer <- glmer(Accuracy ~ Language * Switching + 
                      (Language|Subject) + (Switching|Subject) + 
                      (Language|Item) + (Switching|Item),
                    family = "binomial", data,
                    control = glmerControl(optimizer = "nloptwrap", calc.derivs = FALSE),
                    nAGQ = 1,
                    verbose = TRUE)
  

  说明：nloptwrap是lme4内置的速度最快的优化器之一；nAGQ = 1采用拉普拉斯近似，是速度和精度的最优平衡，不要调大该参数否则运行时间会指数级上升；verbose=TRUE会实时打印迭代进度，可直观看到模型是否还在正常运行。
• 替换为更高效的建模包
  直接使用glmmTMB包拟合模型，语法和lme4完全兼容，无需调整你要求保留的所有随机效应结构，底层C++实现的拟合速度比glmer快3-10倍，示例代码如下：

  library(glmmTMB)
  acc_glmer <- glmmTMB(Accuracy ~ Language * Switching + 
                      (Language|Subject) + (Switching|Subject) + 
                      (Language|Item) + (Switching|Item),
                    family = "binomial", data,
                    verbose = TRUE)
  

• 提前优化数据编码
  所有分类变量（Language、Switching、Subject、Item）提前转为因子类型，对固定效应的分类变量采用效应编码而非默认的处理编码，降低参数间的相关性，减少迭代次数：

  # 示例效应编码设置，假设Language、Switching为二分类变量
  contrasts(data$Language) <- contr.sum
  contrasts(data$Switching) <- contr.sum
  

异常排查方向 #

• 检查完全分离问题：二分类模型如果存在某变量组合下的准确率全为0或全为1的完全分离情况，会导致迭代无法收敛，可通过交叉表table(data$Accuracy, data$Language, data$Switching)快速验证，如果存在分离情况可在glmmTMB中添加正则化参数调整。
• 检查随机效应水平数：确认Subject、Item的水平数不低于5个，水平数过少会导致随机效应方差协方差矩阵估计难度陡增，大幅拉长运行时间。
• 脱离RStudio运行：直接使用RGui或命令行执行R脚本，避免RStudio的GUI占用额外内存资源，也不会出现软件卡死无法查看运行日志的问题。
• 先测试子集收敛性：随机抽取10%-20%的观测值拟合模型，确认模型本身没有配置错误、可以正常收敛，再跑全量数据。

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