如何找到betareg软件包接受的最小浮点值？

Question

我正在R中进行Beta回归 ，该回归需要0到1之间的值，并且排除了端点，即（0,1）而不是[0,1]。

我的数据集中有一些0和1值，所以我想将它们转换为最小的邻居，例如0.0000 ... 0001和0.9999 ... 9999。 我用过.Machine$double.xmin （这给我2.225074e-308），但是betareg()仍然给出错误：

无效的因变量，所有观察值必须位于（0，1）中

如果我使用0.000001和0.999999，则会出现另一组错误：

1：在betareg.fit（X，Y，Z，权重，偏移量，链接，link.phi，类型，控制）中：未能反转信息矩阵：迭代过早停止
2：在sqrt（wpp）中：chol.default（K）中的错误：4阶的前导未定

只有使用0.0001和0.9999时，我才能正常运行。 有什么办法可以使用betareg来提高此最小值？ 还是我应该对此感到满意？

Answer 1

尝试用eps （位移从0和1开始）先等于1e-4（如此处所示），然后再尝试1e-3。 如果模型的结果在您关心的任何方面都没有不同，那就太好了。 如果是这样，则需要非常小心，因为这表明您的答案将对假设非常敏感。

在下面的示例中，色散参数phi发生了很大变化，但是拦截和斜率参数变化不大。

如果确实发现特定数据的参数变化量令人担忧，那么您需要更认真地考虑零和一出现的过程，并为该过程建模，例如

• 审查数据模型：零/一通过最小/最大检测阈值出现，将零/一值建模为实际上位于尾巴中或
• 障碍 / 零一通货膨胀模型：零和一通货膨胀是通过与其他数据分开的过程产生的，使用二项式或多项式模型来表征零对（0,1）对一，然后对（0,1）组件）

有关这些步骤的问题可能更适用于CrossValidated，而不是适用于SO。

样本数据

set.seed(101)
library(betareg)
dd <- data.frame(x=rnorm(500))
rbeta2 <- function(n, prob=0.5, d=1) {
    rbeta(n, shape1=prob*d, shape2=(1-prob)*d)
}
dd$y <- rbeta2(500,plogis(1+5*dd$x),d=1)
dd$y[dd$y<1e-8] <- 0

试穿功能

ss <- function(eps) {
    dd <- transform(dd,
                    y=pmin(1-eps,pmax(eps,y)))
    m <- try(betareg(y~x,data=dd))
    if (inherits(m,"try-error")) return(rep(NA,3))
    return(coef(m))
}
ss(0)  ## fails
ss(1e-8) ## fails
ss(1e-4)
## (Intercept)           x       (phi) 
##   0.3140810   1.5724049   0.7604656
ss(1e-3)  ## also fails
ss(1e-2)
## (Intercept)           x       (phi) 
##   0.2847142   1.4383922   1.3970437
ss(5e-3)
## (Intercept)           x       (phi) 
##   0.2870852   1.4546247   1.2029984

尝试一系列值

evec <- seq(-4,-1,length=51)
res <- t(sapply(evec, function(e) ss(10^e)) )
library(ggplot2)
ggplot(data.frame(e=10^evec,reshape2::melt(res)),
       aes(e,value,colour=Var2))+
    geom_line()+scale_x_log10()