零膨胀负二项分布函数 NaN 警告答案

【问题标题】：Zero-inflated negative binomial distribution function NaN warning零膨胀负二项分布函数 NaN 警告
【发布时间】：2020-10-05 16:55:44
【问题描述】：

我正在尝试将我的数据拟合到零膨胀负二项式模型，但是当计算 SE 时，我的 3 个自变量（曝光）之一似乎导致产生 NaN（请参阅 zeroinfl 调用的最后）在汇总功能中。我也尝试过运行负二项式障碍模型并且遇到了类似的问题。

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))

【问题讨论】：

标签： r nan distribution

【解决方案1】：

这个问题通常是由完全分离引起的；使用这个搜索词，或者搜索 Hauck-Donner 效应，会告诉你问题是你的预测值有一些线性组合可以完美地区分零和非零（因为零通胀中的预测变量都是分类的，这意味着所有值都为零或非零的类别组合。

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

典型症状包括：

参数值较大（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预测的零通胀概率1e-8（其他两个值也很大，尽管没有截距那么极端）
非常大的标准误差（Food、hi_lo），导致 z 值实际上为零，而 p 值实际上为 1
或...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
使用模型比较/似然比检验计算 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

【讨论】：