Question

对于我的论文，我必须使用一些R所没有的MLE来拟合glm模型，我可以使用紧密形式的模型，但是现在我必须使用de Gausian CDF，所以我决定适合一个简单的probit模型。这是代码：

Data:
set.seed(123)
x <-matrix( rnorm(50,2,4),50,1)
m <- matrix(runif(50,2,4),50,1)
t <- matrix(rpois(50,0.5),50,1)
z <- (1+exp(-((x-mean(x)/sd(x)))))^-1 + runif(50)
y <- ifelse(z < 1.186228, 0, 1)

data1 <- as.data.frame(cbind(y,x,m,t))

myprobit <- function (formula, data) 
{
  mf <- model.frame(formula, data)
  y <- model.response(mf, "numeric")
  X <- model.matrix(formula, data = data)
  if (any(is.na(cbind(y, X)))) 
    stop("Some data are missing.")
  loglik <- function(betas, X, y, sigma) {     #loglikelihood
    p <- length(betas)
    beta <- betas[-p]
    eta <- X %*% beta
    sigma <- 1    #because of identification, sigma must be equal to 1
    G <- pnorm(y, mean = eta,sd=sigma)
    sum( y*log(G) + (1-y)*log(1-G))
  }
  ls.reg <- lm(y ~ X - 1)#starting values using ols, indicating that this model already has a constant
  start <- coef(ls.reg)


  fit <- optim(start, loglik, X = X, y = y, control = list(fnscale = -1), method = "BFGS", hessian = TRUE) #optimizar
  if (fit$convergence > 0) {
    print(fit)
    stop("optim failed to converge!") #verify convergence
  }

  return(fit)
}

myprobit(y ~ x + m + t,data = data1)

然后我得到：Error in X %*% beta : non-conformable arguments，如果我将start <- coef(ls.reg)更改为start <- c(coef(ls.reg), 1)，则与以下情况相比我得到了错误的刺激：

probit <- glm(y ~ x + m + t,data = data1 , family = binomial(link = "probit"))

我做错了什么？可以使用pnorm正确地拟合此模型，如果没有，我应该使用哪种算法来接近高斯CDF。谢谢！

Answer 1

导致您的错误的代码行如下：

eta <- X %*% beta

请注意，“％*％”是矩阵乘法运算符。通过复制您的代码，我注意到X是具有50行4列的矩阵。因此，要使矩阵相乘成为可能，您的“ beta”需要有4行。但是，当您运行“ betas [-p]”时，您将通过删除其最后一个元素来对beta矢量进行子集化，只剩下三个元素，而不是定义矩阵乘法所需的四个元素。如果删除[-p]，该代码将起作用。

拟合Probit Model Inr R

1 个答案: