glm Startwerte nicht akzeptiert log-link

Möchte ich laufen eine Gauß-GLM mit log-link und einen offset.
Die folgenden Probleme auftreten:

y <- c(1,1,0,0)
t <- c(5,3,2,4)

Kein problem:

exp(coef(glm(y~1 +  offset(log(t)), family=poisson)))

mit family=gaussian ab Werte müssen angegeben werden, es funktioniert hier:

exp(coef(glm(y~1, family=gaussian(link=log), start=0)))

aber funktioniert hier nicht:

exp(coef(glm(y~1 +  offset(log(t)), family=gaussian(link=log), start=0)))

Error in eval(expr, envir, enclos) : cannot find valid starting values: please specify some"

Erkennt jemand, was falsch ist (hoffentlich nur in meinem coding) ?

"funktioniert nicht" ist weniger nützlich, als die eigentliche Fehlermeldung, die lautet "Error in eval(expr, envir, enclos) : cannot find valid starting values: please specify some" ich spielte w/ einige einfache glm(y~1+offset(junk)) - und alle haben einwandfrei funktioniert. Ich glaube, Sie haben einen sehr kleinen Datensatz und manche eher unwahrscheinlich offsets, so glm einfach nicht finden können, einen Sitz.
Meine "very small data set" ist, was die Leute rufen minimal-Beispiel lassen Sie
Ist es nicht, weil Sie versuchen, zu nehmen, melden 0?
Nein, ab dem Wert sollte im linearen Prädiktor Skala, das heißt, es beginnt mit beta_zero=0. Andere Startwerte gleichen Fehler. Frage mich, warum R fragt, für Startwerte, wenn Sie eigentlich angegeben...
Ich war die Bedeutung der Einnahme der log von 0 in die y Werte. Versuchen Sie es mit non-zero positive y und es wird funktionieren, und ohne start erforderlich.

InformationsquelleAutor Andi | 2011-11-21

  1. 10

    Ich sieht aus wie start nicht anerkannt werden, wenn offset vorhanden ist. Sie versucht, den log von 0 in die y Werte, die -Inf. glm offensichtlich nicht viel mit diesem, wenn Sie auf der Suche nach einer Lösung ohne etwas Hilfe von start. Eine kleine Störung in Ihrem y Werte erlauben eine Lösung.

    exp(coef(glm(I(y+.Machine$double.eps)~1 + offset(log(t)), family=gaussian(link=log))))
(Intercept) 
  0.1481481
    Eine wirksame Abhilfe.
    Nett, danke!

    InformationsquelleAutor James

  2. 9

    Hier sind die Ergebnisse der Archäologie, die erklärt, was Los ist, tief in die glm Funktion:

    Debuggen (mit debug("glm")) und Durchlaufen der Funktion zeigt, dass es nicht bei dem folgenden Aufruf:

    if (length(offset) && attr(mt, "intercept") > 0L) {
  fit$null.deviance <- eval(call(if (is.function(method)) "method" else method, 
    x = X[, "(Intercept)", drop = FALSE], y = Y, weights = weights, 
    offset = offset, family = family, control = control, 
    intercept = TRUE))$deviance
}

    Dies ist ein Versuch zur Berechnung der null-deviance für das Modell. Es ist nur dann ausgewertet, wenn es ein intercept-Begriff und eine offset-Begriff (ich bin mir nicht sicher, warum; kann es sein, dass die Standard-null-Abweichung, berechnet durch den vorherigen Aufruf von glm ist falsch in diesem Fall und müssen neu berechnet werden?). Es fordert glm.fit (der Standardwert method), aber ohne ab-Werte, denn diese sind in der Regel nicht für die intercept-only-Modell.

    Nun Debuggen innerhalb glm.fit zu sehen, was passiert: wir bekommen zu 

      if (is.null(etastart) && is.null(start) && is.null(mustart) && 
    ((family$link == "inverse" && any(y == 0)) || (family$link == 
        "log" && any(y <= 0))))
    stop("cannot find valid starting values: please specify some")

    und wir sehen, dass, weil die Start-Werte waren nicht durchkam, weil eine log-link verwendet wird, und weil einige y Werte sind gleich null, die Passform ausfällt. Dies ist also ein Fall, der passieren soll, wenn (und nur wenn?) eine offset-und eine abzufangen, werden beide angegeben, wird ein log-link verwendet wird, und es gibt null-Werte in der Antwort.

    Wenn Sie dump("glm",file="glmtemp.R"); fügen Sie die Zeile

        start = start[1], etastart = etastart[1], mustart = mustart[1],

    auf den Anruf passt, dass die null-Abweichung (d.h. die oben dargestellt); und source("glmtemp.R"), es scheint zu funktionieren OK ... ich denke dies sollte eine angemessene Allgemeine Lösung. Wenn jemand will, um zu bringen, dieses Problem bis auf die R-Liste der Entwickler, fühlen Sie sich frei.

    Mit Ihr neben die nennen das technische problem gelöst ist. Danke!!! Können Sie auch mir einen Tipp geben, warum die geschätzten parameter unterscheiden sich jedoch von der poisson-glm ? (gleicher offset, gleiche log-link) Ohne eine offset-Begriff der beiden Schätzungen identisch sind.
    Ich habe keine Zeit zu Graben, durch diese, aber warum würden Sie erwarten, dass Sie die gleiche sein? Ich denke, es ist ein besonderer Fall, der nicht-offset-Modelle sind identisch ... ich würde nur funktionieren durch die definition des Modells Schritt für Schritt (d.h. finden, die minimale erwartete Varianz gewichtete Summe der Quadrate auf der link-scale, mit oder ohne offset)

    InformationsquelleAutor Ben Bolker

Schreibe einen Kommentar