如何找到betareg軟件包接受的最小浮點值？

Question

我正在R中進行Beta回歸 ，該回歸需要0到1之間的值，並且排除了端點，即（0,1）而不是[0,1]。

我的數據集中有一些0和1值，所以我想將它們轉換為最小的鄰居，例如0.0000 ... 0001和0.9999 ... 9999。 我用過.Machine$double.xmin （這給我2.225074e-308），但是betareg()仍然給出錯誤：

無效的因變量，所有觀察值必須位於（0，1）中

如果我使用0.000001和0.999999，則會出現另一組錯誤：

1：在betareg.fit（X，Y，Z，權重，偏移量，鏈接，link.phi，類型，控制）中：未能反轉信息矩陣：迭代過早停止
2：在sqrt（wpp）中：chol.default（K）中的錯誤：4階的前導未定

只有使用0.0001和0.9999時，我才能正常運行。 有什么辦法可以使用betareg來提高此最小值？ 還是我應該對此感到滿意？

Answer 1

嘗試用eps （位移從0和1開始）先等於1e-4（如此處所示），然后再嘗試1e-3。 如果模型的結果在您關心的任何方面都沒有不同，那就太好了。 如果是這樣，則需要非常小心，因為這表明您的答案將對假設非常敏感。

在下面的示例中，色散參數phi發生了很大變化，但是攔截和斜率參數變化不大。

如果確實發現特定數據的參數變化量令人擔憂，那么您需要更認真地考慮零和一出現的過程，並為該過程建模，例如

• 審查數據模型：零/一通過最小/最大檢測閾值出現，將零/一值建模為實際上位於尾巴中或
• 障礙 / 零一通貨膨脹模型：零和一通貨膨脹是通過與其他數據分開的過程產生的，使用二項式或多項式模型來表征零對（0,1）對一，然后對（0,1）組件）

有關這些步驟的問題可能更適用於CrossValidated，而不是適用於SO。

樣本數據

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

試穿功能

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

嘗試一系列值

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()