Question

我正尝试将数据拟合为如下所示的回归模型：y=betaMu+betaA*Xa+betaD*Xd+si，其中si是具有正态分布的误差项。我在下面编写了代码，其中phen[,2]是y的数据，data.xa[,1]是Xa，而data.xd[,1]是Xd：

library(stats4)
ll <- function(betaM,betaA,betaD, mu, sigma){
  R= phen[,2]-betaM-betaA*data.xa[,1]-betaD*data.xd[,1]
  R = suppressWarnings(dnorm(R, mu, sigma, log=TRUE))
  -sum(log(R))
}
fit <- mle(ll,start = list(betaM = 1, betaA = 1,betaD=1 ,mu = -1, sigma=1.5))

但我一直收到此错误：

optim中的错误（start，f，method = method，hessian = TRUE，...）： 'vmmin'中的初始值不是有限的另外：警告消息：在log（R）中：产生的NaN

有人可以帮我解决这个问题吗？

Answer 1

您似乎正在计算对数可能性的对数（即，两次对数，大概是偶然的）。如果您的任何概率密度均小于1，则对数密度将为负，取对数密度的对数将得出NaN。代替

R = suppressWarnings(dnorm(R, mu, sigma, log=TRUE))
-sum(log(R))

，尝试

LL <- dnorm(R, mu, sigma, log=TRUE)
-sum(LL)

也：（1）禁止警告是一种不好的做法，除非您绝对无法找到避免警告的方法。（2）重新分配R的值可能会造成混乱（尽管在这种情况下无害）。

最大似然的回归模型中的误差

1 个答案: