glmmLasso 错误“需要数字/复数矩阵/向量参数”答案

【问题标题】：glmmLasso error "requires numeric/complex matrix/vector arguments"glmmLasso 错误“需要数字/复数矩阵/向量参数”
【发布时间】：2019-12-03 01:54:19
【问题描述】：

我正在尝试学习 glmmLasso 包的机制，以使用具有固定效果的逻辑链接函数进行套索估计，但我无法让虚拟示例正常工作。

library(glmmLasso)
y=rbinom(n = 21,size = 1,prob = .5)
x=rnorm(21)
year=rep(1:3, times=7)
ID=rep(1:7, each=3)
df=as.data.frame(cbind(y,x,ID,year))
library(glmmLasso)
lasso_fe=glmmLasso(y~x+as.factor(ID)+as.factor(year), family=binomial(link = logit), lambda=10, data = df)

错误来自最后一条命令：“n %*% s 中的错误：需要数字/复数矩阵/向量参数”。我理解错误本身，但在这种情况下我不理解它，因为 data.frame 本身都是数字的，并且 glmmLasso 包需要将分组变量分解为固定效果。该错误似乎也发生在方程中的所有变量子集（甚至删除因子变量）以及删除或更改其他选项时。

【问题讨论】：

只是好奇，您没有指定随机效果 - 如果您不希望/不需要模型中的随机效果，您可以使用 glmnet 包（更成熟/广泛使用）...？
我不需要随机效果，但我需要固定效果。

标签： r matrix-multiplication mixed-models logits

【解决方案1】：

看来，默认情况下，glmmLasso 函数使用与固定效应相同的公式指定随机效应（即glmmLasso(fix=formula, rnd=formula, ...)。

要在没有随机效应估计的情况下运行它，请使用rnd=NULL：

> lasso_fe <- glmmLasso(
   y~x+as.factor(ID)+as.factor(year),
   rnd = NULL, # <- no r.e.
   family=binomial(link = logit), lambda=10, data = df)

> lasso_fe
Call:
glmmLasso(fix = y ~ x + as.factor(ID) + as.factor(year), rnd = NULL, 
    data = df, lambda = 10, family = binomial(link = logit))

Fixed Effects:

Coefficients:
     (Intercept)                x   as.factor(ID)2   as.factor(ID)3 
     -0.09531017       0.00000000       0.00000000       0.00000000 
  as.factor(ID)4   as.factor(ID)5   as.factor(ID)6   as.factor(ID)7 
      0.00000000       0.00000000       0.00000000       0.00000000 
as.factor(year)2 as.factor(year)3 
      0.00000000       0.00000000 

No random effects included!

错误发生，因为包假定随机效应是正态分布的。因子变量不符合这样的规范，因为它们不是数字。

【讨论】：