![](/img/trans.png)
[英]Getting confidence intervals for robust regression coefficient (MASS::rlm)
[英]Handling MASS: rlm error while fitting robust regression multiple times using MM-estimator
我有一个具有以下结构的数据框:
W01 0.750000 0.916667 0.642857 1.000000 0.619565
W02 0.880000 0.944444 0.500000 0.991228 0.675439
W03 0.729167 0.900000 0.444444 1.000000 0.611111
W04 0.809524 0.869565 0.500000 1.000000 0.709091
W05 0.625000 0.925926 0.653846 1.000000 0.589286
Variation 1_941119_A/G 1_942335_C/G 1_942451_T/C 1_942934_G/C \
W01 0.967391 0.965909 1 0.130435
W02 0.929825 0.937500 1 0.184211
W03 0.925926 0.880000 1 0.138889
W04 0.918182 0.907407 1 0.200000
W05 0.901786 0.858491 1 0.178571
Variation 1_944296_G/A ... X_155545046_C/T X_155774775_G/T \
W01 0.978261 ... 0.652174 0.641304
W02 0.938596 ... 0.728070 0.736842
W03 0.944444 ... 0.675926 0.685185
W04 0.927273 ... 0.800000 0.690909
W05 0.901786 ... 0.794643 0.705357
Variation Y_5100327_G/T Y_5100614_T/G Y_12786160_G/A Y_12914512_C/A \
W01 0.807692 0.800000 0.730769 0.807692
W02 0.655172 0.653846 0.551724 0.666667
W03 0.880000 0.909091 0.833333 0.916667
W04 0.666667 0.642857 0.580645 0.678571
W05 0.730769 0.720000 0.692308 0.720000
Variation Y_13470103_G/A Y_19705901_A/G Y_20587967_A/C mean_age
W01 0.807692 0.666667 0.333333 56.3
W02 0.678571 0.520000 0.250000 66.3
W03 0.916667 0.764706 0.291667 69.7
W04 0.666667 0.560000 0.322581 71.6
W05 0.703704 0.600000 0.346154 72.5
[5 rows x 67000 columns]
我正在尝试使用MM-estimator拟合鲁棒的回归,并使用下面的代码段收集拟合的摘要统计信息(p值和斜率):
> df %>% gather(snp, value, -mean_age) %>%
+ nest(-snp) %>%
+ mutate(model = map(data, ~rlm(mean_age ~ value, data = ., method="MM", psi=psi.bisquare, maxit=50)),
+ summary = map(model, glance)) %>%
+ dplyr::select(-data, -model) %>%
+ unnest(summary) -> linear_regression_results
但是,这会引发众所周知的rlm奇异错误:
Error in rlm.default(x, y, weights, method = method, wt.method = wt.method, :
'x' is singular: singular fits are not implemented in 'rlm'
我想知道是否有关于如何解决此错误的建议?
有时是由于变量重复测量而导致此问题。 从上面的数据框1_942451_T/C
可以明显看出,存在重复的值。 一个简单而临时的解决方案是抖动值:
jittered_DF <- data.frame(lapply(df, jitter))
要么
r_DF <- data.frame(lapply(df, rnorm))
如果jitter()
方法仅适用于具有重复值的列,而不适用于整个数据帧,则可能会更加精确。
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.