零膨胀负二项式分布函数 NaN 警告

Question

我正在尝试将我的数据拟合到一个零膨胀的负二项式模型，但是当 SE 为在汇总函数中计算。我还尝试了运行负二项式障碍模型并且运行遇到了类似的问题。

str(eggTreat)
'data.frame':   455 obs. of  4 variables:
 $ Exposure : Factor w/ 2 levels "C","E": 2 2 2 2 2 2 2 2 2 2 ...
 $ hi_lo    : Factor w/ 2 levels "hi","lo": 2 2 2 2 2 2 2 2 2 2 ...
 $ Egg_count: int  0 0 0 0 0 0 0 0 0 0 ...
 $ Food     : Factor w/ 2 levels "1.5A5YS","5ASMQ": 2 2 2 2 2 2 2 2 2 2 ...

mod.zeroinfl <- zeroinfl(Egg_count ~ Food+Exposure+hi_lo | Food+Exposure+hi_lo, data=eggTreat,
+                          dist="negbin")
> summary(mod.zeroinfl)

Call:
zeroinfl(formula = Egg_count ~ Food + Exposure + hi_lo | Food + Exposure + hi_lo, data = eggTreat, dist = "negbin")

Pearson residuals:
     Min       1Q   Median       3Q      Max 
-0.65632 -0.47163 -0.28588  0.02976  9.00804 

Count model coefficients (negbin with log link):
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -0.04435    0.14393  -0.308   0.7580    
Food        -1.12486    0.22267  -5.052 4.38e-07 ***
Exposure    -2.34990    0.38684  -6.075 1.24e-09 ***
hi_lo       -0.44893    0.19524  -2.299   0.0215 *  
Log(theta)  -0.24387    0.22639  -1.077   0.2814    

Zero-inflation model coefficients (binomial with logit link):
              Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.830e+01         NA      NA       NA
Food        -5.768e+00  5.628e+04       0        1
Exposure     4.612e-01         NA      NA       NA
hi_lo       -7.477e+00  9.963e+05       0        1
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.7836 
Number of iterations in BFGS optimization: 21 
Log-likelihood: -350.2 on 9 Df
Warning message:
In sqrt(diag(object$vcov)) : NaNs produced

function (object, ...) 
{
  object$residuals <- residuals(object, type = "pearson")
  kc <- length(object$coefficients$count)
  kz <- length(object$coefficients$zero)
  se <- sqrt(diag(object$vcov))

Answer 1

这个问题通常是由于完全分离引起的；使用此搜索词，或搜索 Hauck-Donner 效果，将向您表明问题在于预测变量值存在某种线性组合，可完美分隔零值和非零值（由于您的零 inflation 中的预测变量都是分类变量，因此这转化为所有值为零或非零的类别组合）。

我会看一下 with(eggTreat, table(eggcount>0, Food, Exposure, hi_lo))（按照使 table 最容易阅读的任何顺序排列参数）。

典型症状包括：

大参数值（例如|beta|>10）；在这种情况下，您的截距为 -18.3，这给出了基线类别中 1e-8 的预测零 inflation 概率（其他两个值也很大，尽管不如截距那么极端）
非常大的标准误差（Food、hi_lo），导致 z 值实际上为零，p 值实际上为 1
或者...您看到的 NA 值

这个问题有多种解决方案：

不同形式的正则化或贝叶斯先验
使用模型 comparison/likelihood 比率测试计算 p 值

Zero-inflation model coefficients (binomial with logit link):
              Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.830e+01         NA      NA       NA
Food        -5.768e+00  5.628e+04       0        1
Exposure     4.612e-01         NA      NA       NA
hi_lo       -7.477e+00  9.963e+05       0        1

零膨胀负二项式分布函数 NaN 警告

Zero-inflated negative binomial distribution function NaN warning

r

distribution

nan