我想用 R 中的 optim() 包找到估计参数。 我将我的结果与 R 中的 GLM 模型进行比较。代码是
d <- read.delim("http://dnett.github.io/S510/Disease.txt")
d$disease=factor(d$disease)
d$ses=factor(d$ses)
d$sector=factor(d$sector)
str(d)
oreduced <- glm(disease~age+sector, family=binomial(link=logit), data=d)
summary(oreduced)
y<-as.numeric(as.character(d$disease))
x1<-as.numeric(as.character(d$age))
x2<-as.numeric(as.character(d$sector))
nlldbin=function(param){
eta<-param[1]+param[2]*x1+param[3]*x2
p<-1/(1+exp(-eta))
-sum(y*log(p)+(1-y)*log(1-p),na.rm=TRUE)
}
MLE_estimates<-optim(c(Intercept=0.1,age=0.1,sector2=0.1),nlldbin,hessian=TRUE)
MLE_estimatesenter
GLM 模型的结果
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.15966 0.34388 -6.280 3.38e-10 ***
age 0.02681 0.00865 3.100 0.001936 **
sector2 1.18169 0.33696 3.507 0.000453 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
并使用 optim()
$par
Intercept age sector2
-3.34005918 0.02680405 1.18101449
有人可以告诉我为什么它不同以及如何解决这个问题吗?谢谢
答案 0 :(得分:1)
你给了 R 两个不同的问题。在您的 GLM 中,公式中的所有参数都是因子变量。这意味着您已经告诉 R,它们只能取特定值(例如,d$disease
只能取值 0 和 1)。在您的 MLE 方法中,您已将它们转换为数值变量,这意味着它们可以采用任何值,而您的数据恰好使用一小组值。
“修复”是只给 R 一个问题来解决。例如,如果您改为拟合不使用因子变量的 glm(y~x1+x2, family=binomial(link=logit))
,则 MLE 与拟合模型获得的参数估计值几乎相同。 You've seen this before。