Question

使用R 3.2.2，我发现了一种运行简单线性插值的奇怪行为。第一个数据框给出了正确的结果：

test<-data.frame(dt=c(36996616, 36996620, 36996623, 36996626), value=c(1,2,3,4))
lm(value~dt, test)$coefficients

  (Intercept)            dt 
-1.114966e+07  3.013699e-01

通过递增dt变量，系数现在为NA：

test$dt<-test$dt+1
lm(value~dt, test)$coefficients

(Intercept)          dt 
        2.5          NA

知道为什么吗？似乎某处有溢出？

谢谢！

Answer 1

修改

我找到了一些关于这个问题的更好的信息。

如果预测变量完全相关，则可以获得NA个系数。这似乎是一个不寻常的情况，因为我们只有一个预测器。因此，在这种情况下，dt似乎与截距线性相关。

我们可以使用alias找到线性相关变量。见https://stats.stackexchange.com/questions/112442/what-are-aliased-coefficients

在第一个例子中

test<-data.frame(dt=c(36996616, 36996620, 36996623, 36996626), value=c(1,2,3,4)) fit1 <- lm(value ~ dt, test) alias(fit1) Model : value ~ dt

没有线性相关的术语。但在第二个例子中

test$dt <- test$dt + 1 fit2 <- lm(value ~ dt, test) alias(fit2) Model : value ~ dt Complete : [,1] dt 147986489/4

这似乎显示dt和intercept之间的线性相关关系。

有关lm如何处理降级排名模型的其他信息：https://stat.ethz.ch/pipermail/r-help/2002-February/018512.html。

lm不反转X'X https://stat.ethz.ch/pipermail/r-help/2008-January/152456.html，但我仍然认为以下内容有助于显示X'X的奇点。

x <- matrix(c(rep(1, 4), test$dt), ncol=2) y <- test$value b <- solve(t(x) %*% x) %*% t(x) %*% y Error in solve.default(t(x) %*% x) : system is computationally singular: reciprocal condition number = 7.35654e-30

tol中的默认lm.fit是1e-7，这是计算qr分解中线性相关性的容差。

qr(t(x) %*% x)$rank [1] 1

如果减少此项，您将获得dt的参数估算值。

# decrease tol in qr qr(t(x) %*% x, tol = 1e-31)$rank [1] 2 # and in lm lm(value~dt, test, tol=1e-31)$coefficients (Intercept) dt -1.114966e+07 3.013699e-01

有关简单线性回归中矩阵代数的详细信息，请参阅https://stats.stackexchange.com/questions/86001/simple-linear-regression-fit-manually-via-matrix-equations-does-not-match-lm-o。

Answer 2

来自biglm的{{1}}函数似乎直接管理了这个：

biglm

R中的线性插值（lm），奇怪的行为

2 个答案: