调整 GLM 时出错：eval 中的错误（family$initialize）

Question

我正在尝试调整下面定义的广义线性模型：

需要注意的是，响应变量Var1和回归变量Var2的值为零，为此添加了一个常数以避免在应用日志时出现问题。

model = glm(Var1+2 ~ log(Var2+2) + offset(log(Var3/Var4)), 
family = gaussian(link = "log"), data = data2)

但是，我在使用hnp 函数执行诊断分析图表时遇到错误，该函数表示为：

library(hnp)
hnp(model)
Gaussian model (glm object) 
Error in eval(family$initialize) : 
  cannot find valid starting values: please specify some

为了规避这种情况，我尝试手动执行，然后进行图的构建，但是错误信息仍然存在。

dfun <- function(obj) resid(obj)

sfun <- function(n, obj) simulate(obj)[[1]]

ffun <- function(resp) glm(resp ~ log(Var2+2) + offset(log(Var3/Var4)), 
family = gaussian(link = "log"), data = data2)

hnp(model, newclass = TRUE, diagfun = dfun, simfun = sfun, fitfun = ffun)

 Error in eval(family$initialize) : 
  cannot find valid starting values: please specify some 

使用了一些指导方针，其中我找到了尝试解决问题的信息，例如考虑初始值以在线性预测器和均值中初始化估计算法，但是，这些还不足以解决问题，见下面的计算例程：

fit = lm(Var1+2 ~ log(Var2+2) + offset(log(Var3/Var4)), data=data2)
coefficients(fit)
 (Intercept) log(Var2+2)
    32.961103     -8.283306

model = glm(Var1+2 ~ log(Var2+2) + offset(log(Var3/Var4)), 
family = gaussian(link = "log"), start = c(32.96, -8.28), data = data2)
hnp(model)

Error in eval(family$initialize) : 
  cannot find valid starting values: please specify some 

看到即使尝试手动实现半正态图，错误仍然存​​在。

dfun <- function(obj) resid(obj)

sfun <- function(n, obj) simulate(obj)[[1]]

ffun <- function(resp) glm(resp ~ log(Var2+2) + offset(log(Var3/Var4)), 
family = gaussian(link = "log"), data = data2, start = c(32.96, -8.28))

hnp(model, newclass = TRUE, diagfun = dfun, simfun = sfun, fitfun = ffun)

 Error in eval(family$initialize) : 
  cannot find valid starting values: please specify some 

我也尝试通过从数据库中删除零来重新调整模型，但是我没有得到任何解决问题的方法，即它仍然存在。

Answer 1

我怀疑您要拟合的是针对您的预测变量的对数转换响应变量。您可以更详细地了解the difference between a log link glm and a log transformed response variable。本质上，当您使用日志链接时，您假设错误是指数级的。我对hnp 不太熟悉，但我猜它模拟响应变量时存在问题。

如果我使用提供的数据像这样运行你的回归，它看起来没问题

  data2$Y = with(data2, log( (Var1+2)/Var3/Var4))

model = glm(Y ~ log(Var2+2), data = data2)
hnp(model)