![](/img/trans.png)
[英]Matrix expression causes error "requires numeric/complex matrix/vector arguments"?
[英]glmmLasso error “requires numeric/complex matrix/vector arguments”
我正在尝试通过具有固定效果的逻辑链接函数来学习glmmLasso包用于套索估计的机制,但是我无法得到一个没有错误的虚拟示例。
library(glmmLasso)
y=rbinom(n = 21,size = 1,prob = .5)
x=rnorm(21)
year=rep(1:3, times=7)
ID=rep(1:7, each=3)
df=as.data.frame(cbind(y,x,ID,year))
library(glmmLasso)
lasso_fe=glmmLasso(y~x+as.factor(ID)+as.factor(year), family=binomial(link = logit), lambda=10, data = df)
该错误来自最后一个命令:“ n%*%s中的错误:需要数字/复杂矩阵/矢量参数”。 我理解错误本身,但是在这种情况下我不理解它,因为data.frame本身都是数字的,并且glmmLasso包需要将分组变量分解为固定效果。 对于方程中的所有变量子集(甚至除去因子变量),以及除去或更改其他选项时,似乎也会出现该错误。
看起来,默认情况下, glmmLasso
函数从固定效果中指定具有相同公式的随机效果(即glmmLasso(fix=formula, rnd=formula, ...)
。
要在没有随机影响估计的情况下运行它,请使用rnd=NULL
:
> lasso_fe <- glmmLasso(
y~x+as.factor(ID)+as.factor(year),
rnd = NULL, # <- no r.e.
family=binomial(link = logit), lambda=10, data = df)
> lasso_fe
Call:
glmmLasso(fix = y ~ x + as.factor(ID) + as.factor(year), rnd = NULL,
data = df, lambda = 10, family = binomial(link = logit))
Fixed Effects:
Coefficients:
(Intercept) x as.factor(ID)2 as.factor(ID)3
-0.09531017 0.00000000 0.00000000 0.00000000
as.factor(ID)4 as.factor(ID)5 as.factor(ID)6 as.factor(ID)7
0.00000000 0.00000000 0.00000000 0.00000000
as.factor(year)2 as.factor(year)3
0.00000000 0.00000000
No random effects included!
发生错误是因为程序包假定随机效应呈正态分布 。 因子变量不符合此类规范,因为它们不是数字。
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.