r - R:如何从nlme调用中获取黑森州

library(nlme)
fm1 <- nlme(height ~ SSasymp(age, Asym, R0, lrc),
            data = Loblolly,
            fixed = Asym + R0 + lrc ~ 1,
            random = Asym ~ 1,
            start = c(Asym = -10311111, R0 = 8.5^4, lrc = 0.01),
            verbose = TRUE)

**Iteration 1
LME step: Loglik: -312.2787, nlminb iterations: 23
reStruct  parameters:
    Seed
10.41021
Error in nlme.formula(height ~ SSasymp(age, Asym, R0, lrc), data = Loblolly,  :
  Singularity in backsolve at level 0, block 1

我试图通过查看粗麻布来调查为什么某些nlme模型无法成功拟合的原因。有办法以某种方式提取此矩阵吗？

我还正在研究fdHess函数（也来自同一pacakge），该函数“使用有限差分评估标量函数的近似Hessian和梯度”是否等同于函数nlme中当前实现的功能？

最佳答案

我相信您的问题是由于起点选择不当造成的。向量c(Asym = 103, R0 = -8.5, lrc = -3.3)收敛而没有任何复杂性：

nlme(height ~ SSasymp(age, Asym, R0, lrc),
     data = Loblolly,
     fixed = Asym + R0 + lrc ~ 1,
     random = Asym ~ 1,
     start = c(Asym = 103, R0 = -8.5, lrc = -3.3))

#> Nonlinear mixed-effects model fit by maximum likelihood
#>   Model: height ~ SSasymp(age, Asym, R0, lrc)
#>   Data: Loblolly
#>   Log-likelihood: -114.7428
#>   Fixed: Asym + R0 + lrc ~ 1
#>       Asym         R0        lrc
#> 101.449600  -8.627331  -3.233751
#>
#> Random effects:
#>  Formula: Asym ~ 1 | Seed
#>             Asym  Residual
#> StdDev: 3.650642 0.7188625
#>
#> Number of Observations: 84
#> Number of Groups: 14

归根结底，模型拟合可以理解为优化问题。当您的模型是非线性的（例如混合效果模型）时，必须使用迭代优化算法解决该问题。因此，起始值的选择可能非常关键。这是一篇讨论该主题的不错的科学文章：

E.Balsa-Canto，A.Alonso ＆Banga，J.R.对生化网络进行动态建模的迭代识别程序。 BMC Syst Biol 4，11（2010）doi：10.1186 / 1752-0509-4-11

NLME

r - R:如何从nlme调用中获取黑森州