我尝试使用Python-statsmodels线性混合效应模型来拟合有两个随机截获的模型，例如两个组。我不知道如何初始化这个模型。在

下面是一个例子。我有如下数据(取自here)：subject gender scenario attitude frequency

F1 F 1 pol 213.3

F1 F 1 inf 204.5

F1 F 2 pol 285.1

F1 F 2 inf 259.7

F1 F 3 pol 203.9

F1 F 3 inf 286.9

F1 F 4 pol 250.8

F1 F 4 inf 276.8

我想建立一个线性混合效应模型，有两个随机效应——一个用于主题组，一个用于场景组。我正在努力做到：

^{pr2}$

我一直收到这个错误：LinAlgError: Singular matrix

它在R中工作得很好。当我在R中将lme4与基于公式的渲染一起使用时，它非常适合：politeness.model = lmer(frequency ~ attitude + gender +

(1|subject) + (1|scenario), data=politeness)

我不明白为什么会这样。当我使用任意一个随机效果/组时，例如model = sm.MixedLM.from_formula("frequency ~ attitude + gender", data, groups=data['subject'])

然后我得到：Mixed Linear Model Regression Results

===============================================================

Model: MixedLM Dependent Variable: frequency

No. Observations: 83 Method: REML

No. Groups: 6 Scale: 850.9456

Min. group size: 13 Likelihood: -393.3720

Max. group size: 14 Converged: Yes

Mean group size: 13.8

---------------------------------------------------------------

Coef. Std.Err. z P>|z| [0.025 0.975]

---------------------------------------------------------------

Intercept 256.785 15.226 16.864 0.000 226.942 286.629

attitude[T.pol] -19.415 6.407 -3.030 0.002 -31.972 -6.858

gender[T.M] -108.325 21.064 -5.143 0.000 -149.610 -67.041

Intercept RE 603.948 23.995

===============================================================

或者，如果我这样做：model = sm.MixedLM.from_formula("frequency ~ attitude + gender", data, groups=data['scenario'])

我得到的结果是：Mixed Linear Model Regression Results

================================================================

Model: MixedLM Dependent Variable: frequency

No. Observations: 83 Method: REML

No. Groups: 7 Scale: 1110.3788

Min. group size: 11 Likelihood: -402.5003

Max. group size: 12 Converged: Yes

Mean group size: 11.9

----------------------------------------------------------------

Coef. Std.Err. z P>|z| [0.025 0.975]

----------------------------------------------------------------

Intercept 256.892 8.120 31.637 0.000 240.977 272.807

attitude[T.pol] -19.807 7.319 -2.706 0.007 -34.153 -5.462

gender[T.M] -108.603 7.319 -14.838 0.000 -122.948 -94.257

Intercept RE 182.718 5.502

================================================================

我不知道发生了什么事。我觉得我在这个问题的统计数据中遗漏了一些基础性的东西。在