Question

我想知道这里有人可以帮助我。

我正在尝试使用betareg包装的beta GLM，因为我的因变量是一个比例（500米网格大小的鲸鱼的相对密度）从0到1不等。我有三个协变量：

深度（以米为单位测量，范围从4到100米），
到海岸的距离（以米为单位测量，范围从0到21346米）和
与船只的距离（以米为单位，以0到20621为单位）。

我的因变量有很多0和许多值太接近于0的值（如7.8e-014中所示）。当我尝试拟合模型时，以下错误显示：

invalid dependent variable, all observations must be in (0, 1).

从我之前的讨论看来，这似乎是由数据集中的0引起的（我不应该有任何0或1）。当我将所有0改为正定（例如0.0000000000000001）时，我得到的错误信息是：

Error in chol.default(K) : 
  the leading minor of order 2 is not positive definite
In addition: Warning messages:
1: In digamma(mu * phi) : NaNs produced
2: In digamma(phi) : NaNs produced
Error in chol.default(K) : 
  the leading minor of order 2 is not positive definite
In addition: Warning messages:
1: In betareg.fit(X, Y, Z, weights, offset, link, link.phi, type, control) :
  failed to invert the information matrix: iteration stopped prematurely
2: In digamma(mu * phi) : NaNs produced

从我在几个论坛上看到的情况看来，这似乎是因为我的矩阵不是肯定的。它可能是不定的（即具有正特征值和负特征值）或者我的矩阵可能接近奇异，即它的最小特征值非常接近0（因此计算结果为0）。

我的问题是：由于我只有这个数据集，有没有办法解决这些问题并运行beta回归？或者，是否有其他模型我可以使用而不是betareg包它可以工作？

这是我的代码：

betareg(Density~DEPTH+DISTANCE_TO_COAST+DIST_BOAT,data=misti)

Answer 1

当我将所有0改为正定（例如0.0000000000000001）
时

这样做似乎是一个坏主意，导致您看到的错误消息。

似乎betareg目前仅适用于(0,1)区间内的数据，而package vignette所说的内容如下：

由法拉利和Cribari-Neto（2004）引入的β回归模型类可用于对连续变量y进行建模，该变量假设在开放标准单位区间（0,1）中的值。 [...]此外，如果y也假设极值0和1，实际上有用的转换是（y·（n-1）+ 0.5）/ n，其中n是样本大小（Smithson和Verkuilen 2006）。 / p>

所以解决这个问题的方法之一是：

y.transf.betareg <- function(y){
    n.obs <- sum(!is.na(y))
    (y * (n.obs - 1) + 0.5) / n.obs
}


betareg( y.transf.betareg(Density) ~ DEPTH+DISTANCE_TO_COAST+DIST_BOAT, data=misti)

对于betareg的替代方法，使用带有binomial链接的logit GLM，请参阅有关Cross Validated和链接的UCLA常见问题的此问题：

How to replicate Stata's robust glm for proportion data in R?

有些人会建议使用quasibinomial GLM代替比例/百分比......

Answer 2

您可以使用因变量的逻辑变换运行线性模型，而不是beta回归。请尝试以下方法：

   logistic <- function(p) log(p / (1-p) +0.01)
   lm(logistic(Density)~DEPTH+DISTANCE_TO_COAST+DIST_BOAT,data=misti)

比例建模 - Betareg错误

2 个答案: