1

我想知道这里是否有人可以帮助我。

我正在尝试用betareg包拟合 beta GLM，因为我的因变量是一个从 0 到 1 变化的比例（500m 网格大小中鲸鱼的相对密度）。我有三个协变量：

  • 深度（以米为单位测量，范围从 4 到 100m），
  • 到海岸的距离（以米为单位，范围从 0 到 21346m）和
  • 到船只的距离（以米为单位，范围从 0 到 20621）。

我的因变量有很多 0 和许多太接近 0 的值（如7.8e-014）。当我尝试拟合模型时，显示以下错误： 

invalid dependent variable, all observations must be in (0, 1).

从我之前的讨论来看，这似乎是由我在数据集中的 0 引起的（我不应该有任何 0 或 1）。当我将所有 0 更改为仅正定（例如 0.0000000000000001）时，我收到的错误消息是：

Error in chol.default(K) : 
  the leading minor of order 2 is not positive definite
In addition: Warning messages:
1: In digamma(mu * phi) : NaNs produced
2: In digamma(phi) : NaNs produced
Error in chol.default(K) : 
  the leading minor of order 2 is not positive definite
In addition: Warning messages:
1: In betareg.fit(X, Y, Z, weights, offset, link, link.phi, type, control) :
  failed to invert the information matrix: iteration stopped prematurely
2: In digamma(mu * phi) : NaNs produced

从我在几个论坛上看到的情况来看，这似乎是因为我的矩阵不是正定的。它可能是不确定的（即同时具有正特征值和负特征值），或者我的矩阵可能接近奇异矩阵，即它的最小特征值非常接近 0（因此在计算上它是 0）。

我的问题是：由于我只有这个数据集，有没有办法解决这些问题并运行 beta 回归？或者，我可以使用任何其他模型来代替它可以工作的 betareg 包吗？

这是我的代码：

betareg(Density~DEPTH+DISTANCE_TO_COAST+DIST_BOAT,data=misti)
4

2 回答 2

11

当我将所有的 0 更改为仅正定时（例如 0.0000000000000001）

这样做似乎是个坏主意，会导致您看到错误消息。

似乎betareg目前仅适用于(0,1)区间内的数据，这是包小插曲必须说的：

由 Ferrari 和 Cribari-Neto (2004) 引入的 beta 回归模型类可用于对假定值在开放标准单位区间 (0, 1) 中的连续变量 y 进行建模。[...] 此外，如果 y 还假设极值 0 和 1，则在实践中有用的变换是 (y · (n − 1) + 0.5)/n，其中 n 是样本大小（Smithson 和 Verkuilen 2006）。

所以解决这个问题的一种方法是：

y.transf.betareg <- function(y){
    n.obs <- sum(!is.na(y))
    (y * (n.obs - 1) + 0.5) / n.obs
}


betareg( y.transf.betareg(Density) ~ DEPTH+DISTANCE_TO_COAST+DIST_BOAT, data=misti)

betareg有关使用binomial带有链接的 GLM的替代方法logit，请参阅 Cross Validated 上的此问题和链接的 UCLA 常见问题解答：

有些人会建议使用quasibinomialGLM 来模拟比例/百分比......

于 2016-04-05T08:25:50.130 回答
0

您可以使用因变量的逻辑变换来运行线性模型，而不是 beta 回归。尝试以下操作：

   logistic <- function(p) log(p / (1-p) +0.01)
   lm(logistic(Density)~DEPTH+DISTANCE_TO_COAST+DIST_BOAT,data=misti)
于 2016-02-04T18:27:51.873 回答