Question

非常感谢您对此的投入！

我正在进行逻辑回归，但由于某种原因它无法正常工作：

mod1<-glm(survive~reLDM2+yr+yr2+reLDM2:yr +reLDM2:yr2+NestAge0,
         family=binomial(link=logexp(NSSH1$exposure)),
                       data=NSSH1, control = list(maxit = 50))

当我使用较少的数据运行相同的模型时，它可以工作！但是使用完整的数据集，我收到错误和警告消息：

Error: inner loop 1; cannot correct step size
In addition: Warning messages:
1: step size truncated due to divergence 
2: step size truncated due to divergence

这是数据：https://www.dropbox.com/s/8ib8m1fh176556h/NSSH1.csv?dl=0

来自User-defined link function for glmer for known-fate survival modeling的日志曝光链接功能：

library(MASS)
logexp <- function(exposure = 1) {
    linkfun <- function(mu) qlogis(mu^(1/exposure))
    ## FIXME: is there some trick we can play here to allow
    ##   evaluation in the context of the 'data' argument?
    linkinv <- function(eta)  plogis(eta)^exposure
    mu.eta <- function(eta) exposure * plogis(eta)^(exposure-1) *
      .Call(stats:::C_logit_mu_eta, eta, PACKAGE = "stats")
    valideta <- function(eta) TRUE
    link <- paste("logexp(", deparse(substitute(exposure)), ")",
               sep="")
    structure(list(linkfun = linkfun, linkinv = linkinv,
               mu.eta = mu.eta, valideta = valideta, 
               name = link),
          class = "link-glm")
}

Answer 1

tl; dr 您遇到了麻烦，因为您的yr和yr2预测因素（可能是年份和年份）与不寻常的链接功能相结合数值问题;你可以使用glm2 package来解决这个问题，但我会至少考虑一下，在这种情况下尝试适合平方年份是否有意义。

更新：以下开始使用mle2的强力方法;还没有把它写成带有交互的完整模型。

Andrew Gelman的folk theorem可能适用于此：

如果遇到计算问题，通常会出现模型问题。

我开始尝试模型的简化版本，没有交互......

NSSH1 <- read.csv("NSSH1.csv")
source("logexpfun.R")  ## for logexp link
mod1 <- glm(survive~reLDM2+yr+yr2+NestAge0,
          family=binomial(link=logexp(NSSH1$exposure)),
          data=NSSH1, control = list(maxit = 50))

......工作正常。现在让我们试着看看问题出在哪里：

mod2 <- update(mod1,.~.+reLDM2:yr)  ## OK
mod3 <- update(mod1,.~.+reLDM2:yr2) ## OK
mod4 <- update(mod1,.~.+reLDM2:yr2+reLDM2:yr)  ## bad

好的，所以我们在同时包含这两种互动时遇到了麻烦。这些预测变量实际上是如何相互关联的？我们看看......

pairs(NSSH1[,c("reLDM2","yr","yr2")],gap=0)

~~yr和yr2并非完全相关，但它们完全是排名相关的，并且它们干扰每个都不足为奇其他数字~~ 更新：当然“年”和“年平方”看起来像这样！即使使用构造正交多项式的poly(yr,2)，在这种情况下也无济于事......但是，如果它提供线索，则值得查看参数......

如上所述，我们可以尝试glm2（使用更强大的算法直接替换glm），看看会发生什么......

library(glm2)
mod5 <- glm2(survive~reLDM2+yr+yr2+reLDM2:yr +reLDM2:yr2+NestAge0,
          family=binomial(link=logexp(NSSH1$exposure)),
          data=NSSH1, control = list(maxit = 50))

现在我们得到答案。如果我们检查cov2cor(vcov(mod5))，我们会发现yr和yr2参数（以及与reLDM2互动的参数强烈负相关（约-0.97）。让我们想象一下那...

library(corrplot)
corrplot(cov2cor(vcov(mod5)),method="ellipse")

如果我们试图通过蛮力来做这件事怎么办？

library(bbmle)
link <- logexp(NSSH1$exposure)
fit <- mle2(survive~dbinom(prob=link$linkinv(eta),size=1),
     parameters=list(eta~reLDM2+yr+yr2+NestAge0),
     start=list(eta=0),
     data=NSSH1,
     method="Nelder-Mead")  ## more robust than default BFGS
summary(fit)
##                   Estimate Std. Error  z value   Pr(z)    
## eta.(Intercept)  4.3627816  0.0402640 108.3545 < 2e-16 ***
## eta.reLDM2      -0.0019682  0.0011738  -1.6767 0.09359 .  
## eta.yr          -6.0852108  0.2068159 -29.4233 < 2e-16 ***
## eta.yr2          5.7332780  0.1950289  29.3971 < 2e-16 ***
## eta.NestAge0     0.0612248  0.0051272  11.9411 < 2e-16 ***

这似乎是合理的（你应该检查预测值，看看它们是否有意义......），但是......

cc <- confint(fit)  ## "profiling has found a better solution"

这会返回一个mle2对象，但会有一个带有错位调用槽的对象，因此打印结果很难看。

coef(cc)
## eta.(Intercept)                      eta.reLDM2 
##     4.329824508                    -0.011996582 
##       eta.yr                         eta.yr2 
##     0.101221970                     0.093377127 
##     eta.NestAge0 
##      0.003460453 
##
vcov(cc) ## all NA values! problem?

尝试从这些返回的值重新启动...

fit2 <- update(fit,start=list(eta=unname(coef(cc))))
coef(summary(fit2))
##                     Estimate  Std. Error    z value        Pr(z)
## eta.(Intercept)  4.452345889 0.033864818 131.474082 0.000000e+00
## eta.reLDM2      -0.013246977 0.001076194 -12.309102 8.091828e-35
## eta.yr           0.103013607 0.094643420   1.088439 2.764013e-01
## eta.yr2          0.109709373 0.098109924   1.118229 2.634692e-01
## eta.NestAge0    -0.006428657 0.004519983  -1.422274 1.549466e-01

现在我们可以获得置信区间......

ci2 <- confint(fit2)
##                       2.5 %       97.5 %
## eta.(Intercept)  4.38644052  4.519116156
## eta.reLDM2      -0.01531437 -0.011092655
## eta.yr          -0.08477933  0.286279919
## eta.yr2         -0.08041548  0.304251382
## eta.NestAge0    -0.01522353  0.002496006

这似乎有效，但我非常怀疑这些适合。你可能应该尝试其他优化器，以确保你可以回到相同的结果。一些更好的优化工具，如AD Model Builder或Template Model Builder可能是一个好主意。

我不认为盲目地删除具有强相关参数估计值的预测变量，但这可能是考虑它的合理时间。

Logistic回归返回错误但在减少的数据集上运行正常

1 个答案: