我使用lme4运行线性混合效应模型，通过两个相互作用的分类变量（“分散器”和“站点”）和一个随机效应（“物种”）使用连续变量（按物种划分的年轻树龄对老树的“比率”） .

我想使用案例权重来解释某些物种比其他物种更常见的事实，因此我使用了数字向量，其中较高的数字等于较高密度的成年树木（“重量”） . 虽然模型返回一个主要是逻辑输出，但我得到AIC，BIC和'无限'的偏差，并且当我添加权重参数时记录' - infinity'的可能性 .

library(lme4)
my_data <- data.frame(Species = sample(LETTERS, size=52, replace=TRUE), 
                  Site = sample(c("Site_A", "Site_B"), size=52, replace=TRUE),
                  Ratio = sample(0:10, size=52, replace=TRUE), 
                  Disperser = sample(c("Mouse", "Bird", "Bat", "Wind"), size=52, replace=TRUE),
                  Weight = sample(0:5, size=52, replace=TRUE)
                  )

model <- lmer(Ratio ~ Disperser * Site + (1|Species), weights=Weight, data=my_data, REML=FALSE)

summary(model)

Linear mixed model fit by maximum likelihood  ['lmerMod']
Formula: Ratio ~ Disperser * Site + (1 | Species)
Data: my_data
Weights: Weight

 AIC      BIC   logLik deviance df.resid 
 Inf      Inf     -Inf      Inf       42

任何人都可以告诉我为什么我可能得到这个输出？这是我试图适应模型的数据的基本问题，还是使用'权重'参数的错误？

r lme4 weighted