我正在我的硕士论文中对 Granger 非因果检验进行元回归分析。感兴趣的效果是 F 和卡方分布的，因此要在元回归中使用主题，它们必须转换为正态变量。现在，我正在为此使用概率函数（标准正态累积分布的倒数）。这基本上是它的 p 值的 qnorm() （据我所知）。
我现在的问题是，基础研究有时会报告 p 值为 0 或 1。使用 qnorm() 转换它们会得到 Inf 和 -Inf 值。我的解决方案是用接近 0 的值交换 0 个 p 值，例如 1e-180 和接近 1 的值交换 1 个 p 值，例如 0.99999999999999999（只有 16 9 是可能的，因为 R 正在将结果更改为更多“9” s 到 1)。
有人知道这个问题的更好解决方案吗？这在数学上合理吗？排除 0 和 1 p 值会完全改变结果，因此，在我看来，这是错误的。我现在的代码示例：
df$p_val[df$p_val == 0] <- 1e-180
df$p_val[df$p_val == 1] <- 0.9999999999999999
df$probit <- -qnorm(df$p_val)
qnorm 前面的减号有助于直觉，因此正值与在更高显着性水平上拒绝非因果关系的零假设相关。
我会很高兴获得支持/提示/等！