Question

我正在使用ergm中的R包来探索网络数据的指数随机图模型。这是网络：

gn
 Network attributes:
  vertices = 678 
  directed = TRUE 
  hyper = FALSE 
  loops = FALSE 
  multiple = FALSE 
  bipartite = FALSE 
  total edges= 1663 
    missing edges= 0 
    non-missing edges= 1663 

 Vertex attribute names: 
    indegree membership num_tweets vertex.names 

 Edge attribute names not shown

在拟合更简单的模型后，其中一个术语为edges和mutual，一个术语为edges，mutual和nodefactor("membership", base = 4)（其中{{1}这是一个有四个级别的因素），我适合添加了membership的模型，如下所示：

nodematch("membership", diff = T)

虽然以前的模型融合了，但这个模型导致了这个信息：

model1 <- ergm(gn ~ edges + 
                    mutual + 
                    nodefactor("membership", base = 4) +
                    nodematch("membership", diff = T)
                    )

根据指示，我查看了MCMLE estimation did not converge after 20 iterations. The estimated coefficients may not be accurate. Estimation may be resumed by passing the coefficients as initial values; see 'init' under ?control.ergm for details.：?control.ergm

好的，这听起来不错，我搜索了Passing control.ergm(init=coef(prev.fit)) can be used to “resume” an uncoverged ergm run, but see enformulate.curved.的使用方式，并从this page找到了一个例子，我通过传递control.ergm作为参数测试了这是否有效，将control = control.ergm(MCMLE.maxit = 50)从20增加到50.然后我执行了以下操作：

number of times the parameters for the MCMC should be updated by maximizing the MCMC likelihood

但是，会返回此消息：model1a <- ergm(gn ~ edges + mutual + nodefactor("membership", base = 4) + nodematch("membership", diff = T), control = control.ergm(init=coef(prev.fit)) )。

我还试图传递模型对象（即Error in coef(prev.fit) : object 'prev.fit' not found）而不是model1a，但这导致了这个效率不高的错误：

prev.fit

那么，如何通过传递Error in if (drop) { : argument is not interpretable as logical In addition: Warning message: In if (drop) { : the condition has length > 1 and only the first element will be used或通过不同的方法“恢复”未拥挤的模型？

在R中使用ergm包恢复未启动的ergm运行

0 个答案: