[英]How to find the minimum floating-point value accepted by betareg package?
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$double.xmin
(这给我2.225074e-308),但是betareg()
仍然给出错误:
无效的因变量,所有观察值必须位于(0,1)中
如果我使用0.000001和0.999999,则会出现另一组错误:
1:在betareg.fit(X,Y,Z,权重,偏移量,链接,link.phi,类型,控制)中:未能反转信息矩阵:迭代过早停止
2:在sqrt(wpp)中:chol.default(K)中的错误:4阶的前导未定
只有使用0.0001和0.9999时,我才能正常运行。 有什么办法可以使用betareg来提高此最小值? 还是我应该对此感到满意?
尝试用eps
(位移从0和1开始)先等于1e-4(如此处所示),然后再尝试1e-3。 如果模型的结果在您关心的任何方面都没有不同,那就太好了。 如果是这样,则需要非常小心,因为这表明您的答案将对假设非常敏感。
在下面的示例中,色散参数phi发生了很大变化,但是拦截和斜率参数变化不大。
如果确实发现特定数据的参数变化量令人担忧,那么您需要更认真地考虑零和一出现的过程,并为该过程建模,例如
有关这些步骤的问题可能更适用于CrossValidated,而不是适用于SO。
set.seed(101)
library(betareg)
dd <- data.frame(x=rnorm(500))
rbeta2 <- function(n, prob=0.5, d=1) {
rbeta(n, shape1=prob*d, shape2=(1-prob)*d)
}
dd$y <- rbeta2(500,plogis(1+5*dd$x),d=1)
dd$y[dd$y<1e-8] <- 0
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
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()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.