4

我正在使用 mle() 方法在 R 中手动估计具有多个预测变量的 logit 回归。我无法在下面的函数中传递计算对数似然度所需的额外参数calcLogLikelihood。

这是我计算负对数似然的函数。

calcLogLikelihood <- function(betas, x, y) { 
# Computes the negative log-likelihood 
#   
# Args: 
#   x: a matrix of the predictor variables in the logit model 
#   y: a vector of the outcome variable (e.g. living in SF, etc)
#   betas: a vector of beta coefficients used in the logit model 
#  
# Return: 
#   llf: the negative log-likelihood value (to be minimized via MLE)
# 
# Error handling: 
# Check if any values are null, and whether there are same number of coefficients as there are  predictors
  if (TRUE %in% is.na(x) || TRUE %in% is.na(y)) {
    stop(" There is one or more NA value in x and y!")
  }
  nbetas <- sapply(betas, length)
  if (nbetas-1 != ncol(x)) {
     print(c(length(betas)-1, length(x)))
     stop(" Categorical vector and coef vector of different lengths!")
   }
  linsum <- betas$betas[1] + sum(betas$betas[2:nbetas] * x)
  p <- CalcInvlogit(linsum)
  llf <- -1 * sum(data$indweight * (y * log(p) + (1-y) * log(1-p)))
  return(llf)

}

这是我的 x 和 y 数据矩阵的样子：

> head(x)
  agebucket_(0,15] agebucket_(15,30] agebucket_(30,45] agebucket_(45,60] agebucket_(60,75]
1                0                 0                 1                 0                 0
2                0                 0                 1                 0                 0
3                0                 0                 1                 0                 0
4                0                 0                 1                 0                 0
5                0                 0                 1                 0                 0    
6                0                 0                 0                 1                 0

> head(y)
 [,1]
[1,]    1
[2,]    1
[3,]    0
[4,]    0
[5,]    1
[6,]    0

这是对我的函数的调用：

# Read in data
data <- read.csv("data.csv")   

# cont.x.vars and dummy.x.vars are arrays of predictor variable column names
x.vars <- c(cont.x.vars, dummy.x.vars)

# Select y column. This is the dependent variable name.
y.var <- "Housing"

# Select beta starting values
betas <- list("betas"=c(100, rep(.1, length(x.vars))))

# Select columns from the original dataframe
x <- data.matrix(data[, x.vars])
y <- data.matrix(data[, y.var])

# Minimize LLF
fit <- mle(calcLogLikelihood, betas, x=x, y=y)

这是我的错误信息：

 Error in is.na(x) : 'x' is missing

这个错误似乎即将到来，因为我没有calcLogLikelihood正确传递所需的 x 和 y 参数，但我不确定出了什么问题。如何修复此错误？

4

1 回答 1

2

出现错误是因为函数 stats4::mle 没有使用省略号参数将任何参数传递给似然函数。相反，省略号用于将更多参数传递给 optim（请参阅 ?stats4::mle）。您必须注意您的似然函数只是要优化的参数的函数。数据，即 x 和 y，不能在对 mle 的调用中传递。

你有两个选择。1. 重新定义似然函数。您可以依赖 R 的词法范围规则，将数据 (x, y) 视为自由变量（只需从函数定义中删除参数 x 和 y 并在工作区中定义 x 和 y），或者定义一个闭包明确这是一个更强大的解决方案，并在此处解释（例如） 。2. 您也可以使用 optim 代替 mle，它允许您保留对可能性的定义，并且 mle 在后台将其用作优化器。

于 2015-08-14T06:47:08.737 回答