多层线性模型(HLM or Mix Model)使用中的问题合集

2023-12-14 01:40

本文主要是介绍多层线性模型(HLM or Mix Model)使用中的问题合集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、HLM运行只运行到一半,报错:无法继续,Matrix Vtheta1 is not invertible. Unable to continue  报错如下图。

在运行HLM中时,出现上述错误,直译是说矩阵不可逆,无法继续,所以没有得出期望的结果。现在查到线索说是《分层线性模型层-1自变量中心化问题研究综述》何晓群,文献中有详细的说明,正在跟踪。

问题原因已找到,确实是因为数据未中心化,我利用spss中的分析-描述分析-勾选保存标准化数据后,用标准化后的数据进行计算,然后报错消失

2、在进行不含二层变量的一层随机回归过程中,出现了解释变量多重共线性问题,如何解决?

报错提示:

There is a problem in the fixed portion of the model.  A near singularity is
likely.  Possible sources are a collinearity or multicollinearity among the
predictors.  We suggest that you examine a correlation matrix among the fixed

effect predictors.

经查询,该错误解释为,在一层解释变量,及固定效应部分,解释变量之间存在多重共线性,及有些变量之间存在较强的相关相关关系,导致模型估计失真或者不收敛的情况。

多重线性的解释:https://baike.baidu.com/item/多重共线性/10201978?fr=aladdin

解决办法合集:https://wenku.baidu.com/view/ec2f74dfc1c708a1284a4454.html

以及:(一)删除不重要的自变量
自变量之间存在共线性,说明自变量所提供的信息是重叠的,可以删除不重要的自变量减少重复信息。但从模型中删去自变量时应该注意:从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除。如果删除不当,会产生模型设定误差,造成参数估计严重有偏的后果。

(二)追加样本信息(不过实际操作中,这个方法实现率不高)
多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计,因此追加样本信息是解决该问题的一条有效途径。但是,由于资料收集及调查的困难,要追加样本信息在实践中有时并不容易。

(三)利用非样本先验信息
非样本先验信息主要来自经济理论分析和经验认识。充分利用这些先验的信息,往往有助于解决多重共线性问题。

(四)改变解释变量的形式
改变解释变量的形式是解决多重共线性的一种简易方法,例如对于横截面数据采用相对数变量,对于时间序列数据采用增量型变量。

(五)逐步回归法(此法最常用的,也最有效)
逐步回归(Stepwise Regression)是一种常用的消除多重共线性、选取“最优”回归方程的方法。其做法是将逐个引入自变量,引入的条件是该自变量经F检验是显著的,每引入一个自变量后,对已选入的变量进行逐个检验,如果原来引入的变量由于后面变量的引入而变得不再显著,那么就将其剔除。引入一个变量或从回归方程中剔除一个变量,为逐步回归的一步,每一步都要进行F 检验,以确保每次引入新变量之前回归方程中只包含显著的变量。这个过程反复进行,直到既没有不显著的自变量选入回归方程,也没有显著自变量从回归方程中剔除为止。

(六)可以做主成分回归
主成分分析法作为多元统计分析的一种常用方法在处理多变量问题时具有其一定的优越性,其降维的优势是明显的,主成分回归方法对于一般的多重共线性问题还是适用的,尤其是对共线性较强的变量之间。当采取主成分提取了新的变量后,往往这些变量间的组内差异小而组间差异大,起到了消除共线性的问题

正尝试寻找问题解决办法。

倾向于逐步回归法和主成分分析法,去掉非主要变量,以及处理相关性强的变量。

最终解决办法是用spss做了逐步回归法做出了最终模型 ,从40个变量中选出了16个变量左右,用这16个变量用为HLM模型第一层后,问题解决,不存在多重共线性问题。

3、在导入2层文件的时候报错

It looks like your level-2 file is not sorted. Please sort this file
and re-run.

解决办法为将第一二层相连接的ID,按照升序进行排序。然后还要注意,第二层ID是没有重复值得,其它的业务字段也都是聚合值。

4、在创建不含二层变量的一层模型时,报错如下:

Sigma_squared(0) is virtually zero. Please examine your level-1 model  

正在寻找解决办法。。

正在有偿求助某宝。。某宝的各大神均未能解决。

原因已经找到,是因为我的因变量是“胜负”即二分分类变量。但是我在设置层一模型的时候,没有勾选该模型是分类变量。


该报错的意思应该是层一因变量在二层变异的方差成分几乎为0,所以无法计算。

关于二元分类因变量的使用方法,可以参考二分数据的多层线性模型:原理与应用[J]. 心理发展与教育.2006(04)李雪燕,辛涛。





这篇关于多层线性模型(HLM or Mix Model)使用中的问题合集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/490696

相关文章

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

Spring Boot3虚拟线程的使用步骤详解

《SpringBoot3虚拟线程的使用步骤详解》虚拟线程是Java19中引入的一个新特性,旨在通过简化线程管理来提升应用程序的并发性能,:本文主要介绍SpringBoot3虚拟线程的使用步骤,... 目录问题根源分析解决方案验证验证实验实验1:未启用keep-alive实验2:启用keep-alive扩展建

SpringBoot启动报错的11个高频问题排查与解决终极指南

《SpringBoot启动报错的11个高频问题排查与解决终极指南》这篇文章主要为大家详细介绍了SpringBoot启动报错的11个高频问题的排查与解决,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一... 目录1. 依赖冲突:NoSuchMethodError 的终极解法2. Bean注入失败:No qu

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

GORM中Model和Table的区别及使用

《GORM中Model和Table的区别及使用》Model和Table是两种与数据库表交互的核心方法,但它们的用途和行为存在著差异,本文主要介绍了GORM中Model和Table的区别及使用,具有一... 目录1. Model 的作用与特点1.1 核心用途1.2 行为特点1.3 示例China编程代码2. Tab

MySQL新增字段后Java实体未更新的潜在问题与解决方案

《MySQL新增字段后Java实体未更新的潜在问题与解决方案》在Java+MySQL的开发中,我们通常使用ORM框架来映射数据库表与Java对象,但有时候,数据库表结构变更(如新增字段)后,开发人员可... 目录引言1. 问题背景:数据库与 Java 实体不同步1.1 常见场景1.2 示例代码2. 不同操作

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

使用Python实现获取网页指定内容

《使用Python实现获取网页指定内容》在当今互联网时代,网页数据抓取是一项非常重要的技能,本文将带你从零开始学习如何使用Python获取网页中的指定内容,希望对大家有所帮助... 目录引言1. 网页抓取的基本概念2. python中的网页抓取库3. 安装必要的库4. 发送HTTP请求并获取网页内容5. 解