- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在尝试将用户定义的链接函数与随机效果 glmer 结合使用时,我遇到了一个我不知道如何解决的错误:
Error: (maxstephalfit) PIRLS step-halvings failed to reduce deviance in pwrssUpdate
有人对如何解决此错误有任何建议吗?它没有提供太多方向。
我已尝试按照 rpubs.com/bbolker/logregexp 中概述的说明定义新的链接函数(特别是缩放的 logit) ,但如果我的定义的某些方面不正确,我不会感到惊讶。看到我遗漏了什么吗?
scaled_logit <- function(s = 1) {
linkfun <- function(mu) log( max(0, mu / (s-mu)) )
linkinv <- function(eta) s / (1 + exp(-eta))
mu.eta <- function(eta) s * exp(-eta) / (1 + exp(-eta))^2
valideta <- function(eta) TRUE
link <- paste0('scaled_logit(',s,')')
structure(list(linkfun = linkfun, linkinv = linkinv, mu.eta = mu.eta, valideta = valideta, name = link), class = 'link-glm')
}
这个实现一定有问题,因为估计在标准二项式族(假定的 logit 链接)上工作正常,但是当我用 s=1(应该是相同的)引用这个链接时出错。示例数据可以生成如下:
library(data.table)
courts <- 50
test_courts <- data.table(court = 1:courts,
court_factor = pmax(0, rnorm(courts, mean=1, sd=0.25)))
setkey(test_courts, court)
pros <- 100
test_pros <- data.table(ID = 1:pros,
deg1_rate = pmax(0, rnorm(pros, mean=0.02, sd=0.0075)))
setkey(test_pros, ID)
test_data <- data.table(expand.grid(ID = 1:pros, court = 1:courts))
setkeyv(test_data, c('ID','court'))
test_data <- merge(test_data, test_courts, by='court', all.x=TRUE)
test_data <- merge(test_data, test_pros , by='ID' , all.x=TRUE)
test_data[ , indict := sample(0:20, nrow(test_data), replace=TRUE)]
test_data[ , deg1 := rbinom(pros*courts, size=indict, prob=court_factor*deg1_rate)]
然后我一直在尝试估计简单模型
logit_link <- glmer(cbind(deg1, indict-deg1) ~ (1|ID) + (1|court), family=binomial, data=test_data[indict > 0])
和相应的选择
scaled_link <- glmer(cbind(deg1, indict-deg1) ~ (1|ID) + (1|court), family=binomial(link=scaled_logit()), data=test_data[indict > 0])
如有任何见解,我们将不胜感激!我在 R 3.0.3 上使用 lme4 1.1.6。
最佳答案
我原以为您的问题是未能“钳制”反向链接函数(即将结果严格保持在 0 和 1 之间),但事实证明(我认为)它比这简单得多 - - 只是混淆了 max()
和 pmax()
。 (max()
有一个非常危险的设计!)这对我有用:
scaled_logit <- function(s = 1) {
linkfun <- function(mu) log( pmax(0, mu / (s-mu)) )
linkinv <- function(eta) s / (1 + exp(-eta))
mu.eta <- function(eta) s * exp(-eta) / (1 + exp(-eta))^2
valideta <- function(eta) TRUE
link <- paste0('scaled_logit(',s,')')
structure(list(linkfun = linkfun, linkinv = linkinv, mu.eta = mu.eta, valideta = valideta, name = link), class = 'link-glm')
}
也就是说,为了将来的稳健性,使用 pmax(epsilon,...)
而不是 pmax(0,...)
可能是个好主意> 并限制 epsilon
和 1-epsilon
之间的反向链接函数(其中 epsilon
类似于 1e-6)。
PS 我们(lme4
维护者)可能应该尝试在 PIRLS 步骤中插入一些更强大的错误检查——NaN
/non-finite 有很多问题弹出的值看起来像 PIRLS 故障,但实际上并非如此(nan
似乎通过 C++ 代码传播而不会立即触发任何故障...)
关于r - 带有用户定义链接函数的 glmer 给出错误 : (maxstephalfit) PIRLS step-halvings failed to reduce deviance,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26152986/
我正在研究各种特征对法院对特定犯罪的判决的影响。该数据集非常大(28928 个观测值,86 个 2 级单元)。我正在考虑是否使用 level1 和 level2 特征作为控制(level1 为大写字母
在尝试将用户定义的链接函数与随机效果 glmer 结合使用时,我遇到了一个我不知道如何解决的错误: Error: (maxstephalfit) PIRLS step-halvings failed
我是一名优秀的程序员,十分优秀!