因此,我一直在编写一个脚本来根据具体的 4 个参数计算对数似然性,并将它们放入特定的 log-like 函数中。那个剧本不错 问题是优化它 - 每当我尝试时,它都会说找不到对象(对于有问题的参数)。为了简单起见,我将只使用一个更简单的脚本,当我使用 optim() 函数时,它会给我一个相同的错误。有趣的是,我实际上直接从“ R 中的 MLE ”教程中提取了这个脚本。我什至没有重写它,我从 PDF 中复制/粘贴了它。这是教程中的似然函数:
normal.lik1<-function(theta,y){
mu<-theta[1]
sigma2<-theta[2]
n<-nrow(y)
logl<- -.5*n*log(2*pi) -.5*n*log(sigma2) - (1/(2*sigma2))*sum((y-mu)**2)
return(-logl)
}
这个功能本身就可以很好地工作。但是,当我尝试优化它时,我收到一条错误消息,指出找不到对象,该对象是我要优化的参数。下一行也是从教程中复制/粘贴的:
optim(c(0,1),normal.lik1,y=y,method="BFGS")
当我运行这一行时,R 给了我以下错误:
Error in nrow(y) : object 'y' not found
这立即让我意识到它是在谈论 y 是如何专门在函数中的对象,而不是全局对象,但同时 optim() 应该正在评估该函数!所以,我不知道为什么它表现得像 y 不存在。
编辑:
现在我明白它是如何工作的了。但我的总体目标仍然存在问题。为了更深入地了解它,这是我现在正在使用的代码:
w.loglik<-function(w){
# w is just a vector with 4 values: two means (w(1) and w(2) below) and the position
# of two decision bounds (w(3) and w(4))
#create data matrix
data<-matrix(c(140,36,34,40,89,91,4,66,85,5,90,70,20,59,8,163),nrow=4,ncol=4,byrow=TRUE)
# get means
means<-matrix(0,4,2,byrow=TRUE)
means[2,1]<-w[1]
means[3,2]<-w[2]
means[4,1]<-w[1]
means[4,2]<-w[2]
# get covariance matrices (fix variances to 1)
covmat<-list()
covmat[[1]]<-diag(2)
covmat[[2]]<-diag(2)
covmat[[3]]<-diag(2)
covmat[[4]]<-diag(2)
# get decision bound parameters
b<-diag(2)
c<-matrix(c(w[3],w[4]),2,1)
L<-matrixloglik(data,means,covmat,b,c)
return(L)
}
matrixloglik 只是一个输出对数似然的函数(它运行良好)。如何运行 optim() 以优化向量 w?