问带有sqrt链接的glm.nb
EN

Stack Overflow用户

提问于 2011-05-18 03:20:06

回答 2查看 5.1K关注 0票数 4

我试着用sqrt链接来拟合一个否定的模型。不幸的是，我似乎必须指定起始值。有人熟悉在运行glm.nb命令(package MASS)时设置起始值吗？

当我不使用起始值时，会收到一条错误消息：

未找到有效的系数集:请提供起始值

从?glm.nb的角度来看，设置起始值似乎是可能的，不幸的是，我完全不知道该如何做。一些进一步的信息:1.当用标准日志链接计算回归时，可以估计回归值。2.不可能将算法的起始值设置为任意值，例如

glm.nb(<model>,link=sqrt, start=1)

不管用！

statistics

回答 2

Stack Overflow用户

回答已采纳

发布于 2011-05-18 06:41:21

对于足够复杂的问题，找到合适的起始值是很困难的。但是，要设置起始值(其中的文档不是很好，但确实存在)，您应该学会读取错误消息。下面是使用内置数据集使用start=1的失败尝试的复制：

>quine.nb1 <- glm.nb(Days ~ Sex + Age + Eth + Lrn, data = quine, 
                    link=sqrt, start=1)
Error in glm.fitter(x = X, y = Y, w = w, start = start, etastart = etastart,  : 
  length of 'start' should equal 7 and correspond to initial coefs for 
  c("(Intercept)", "SexM", "AgeF1", "AgeF2", "AgeF3", "EthN", "LrnSL", )

它确切地告诉你它期望的是什么:每一个系数要估计的值的向量。

quine.nb1 <- glm.nb(Days ~ Sex + Age + Eth + Lrn, data = quine, 
                    link=sqrt, start=rep(1,7))

工作，因为我给出了一个长度为7的向量。你可能需要在它中的实际值中游走，才能得到一个总是预测正值的模型。在glm.nb中生成起始值的默认算法很可能在某个地方给出了负预测，而sqrt链接不能容忍这种情况(与log不同)。如果手动查找有效的起始值有困难，可以尝试运行一个更简单的模型，并将其他参数的估计值扩展0，以获得一个良好的启动位置。

编辑:建立一个模型

假设您无法为复杂的模型找到有效的起始值。然后从一个简单的开始，例如

> nb0 <- glm.nb(Days ~ Sex, data=quine, link=sqrt)
> coef(nb0)
(Intercept)        SexM 
  3.9019226   0.3353578

现在，让我们使用前面的起始值添加下一个变量，为新变量的效果添加0的估计值(在本例中，Age有四个级别，因此需要3个系数)：

> nb1 <- glm.nb(Days ~ Sex+Age, data=quine, link=sqrt, start=c(coef(nb0), 0,0,0))
> coef(nb1)
(Intercept)        SexM       AgeF1       AgeF2       AgeF3 
  3.9127405  -0.1155013  -0.5551010   0.7475166   0.5933048

你通常想要增加0，而不是100，因为系数为0意味着新变量没有影响，这正是你刚刚拟合的更简单的模型。

票数 7

Stack Overflow用户

发布于 2019-04-04 16:43:42

在使用日志链接二项式进行RR回归时，我得到了类似的错误，如下所示

adjrep <-glm(reptest ~ momagecat + paritycat + marstatcat + dept,
             family = binomial(link = "log"),
             data = hcm1)

> Error: no valid set of coefficients has been found: please supply
> starting values

在遵循了建立模型的指令之后，我到达了下面的代码，并得到了下面每个变量的系数。

rep3 <-glm (reptest ~ momagecat + paritycat + marstatcat + dept,
            family = binomial(link = "log"),
            data = hcm1,
            start=c(coef(rep1),0,0,0))