如何在使用 modelr/tidyverse 引导期间使用 tryCatch()？答案

【问题标题】：How to use tryCatch() during bootstrapping with modelr/tidyverse?如何在使用 modelr/tidyverse 引导期间使用 tryCatch()？
【发布时间】：2020-05-29 17:02:00
【问题描述】：

这个问题类似于Using tryCatch() to catch a bootstrap loop，但我在使用 tidyverse 引导方法将建议应用到我的案例时遇到了麻烦。我正在尝试从复杂的混合效应模型中获取系数的置信区间估计值，但是某些模型在引导过程中失败，从而停止了整个引导过程。我想忽略这些失败的运行（但也计算并存储它们以知道它们是什么）并继续引导。我也愿意接受使用带有 tryCatch 的引导包的建议。使用 diamonds 数据集的示例：

diamonds <- diamonds 
diamonds$clarity <- factor(diamonds$clarity, ordered=FALSE)
diamonds$cut <- factor(diamonds$cut, ordered=FALSE)
diamonds$color <- factor(diamonds$color, ordered=FALSE)
diamonds <- diamonds[diamonds$price <= 500,] # truncate the data set for faster processing

随机无意义的模型，但运行时没有错误：

my_mod <- glmmTMB(carat ~
     cut*x*poly(depth,3) + table + price + 
     (1|color) + (1|clarity),
     REML=TRUE,
     data = diamonds)
summary(my_mod)

我想在“清晰度”级别进行替换采样（即，按集群，而不是观察）。

set.seed(30)
my_boot <- diamonds %>% 
modelr::bootstrap(n = 20, id = 'clarity') %>%
group_by(clarity) %>%
mutate(fit = map(strap,
               ~glmmTMB(carat ~
     cut*x*poly(depth,3) +
     table + price + 
     (1|color) + (1|clarity),
     REML=T,
     data = data.frame(.))))

 Warning message:
 In fitTMB(TMBStruc) :
 Model convergence problem; false convergence (8). See vignette('troubleshooting')

【问题讨论】：

标签： r tidyverse hierarchical-clustering statistics-bootstrap

【解决方案1】：

只需将tryCatch 包裹在对glmmTMB 的调用周围。并编写error 和warning 函数。类型的错误信息

时间停止在：0.484 0.071 0.556
计时停止于：0.919 0.052 0.972
计时停在：0.542 0.04 0.583

仍会显示，但my_boot$fit 会出现错误或警告。

set.seed(30)
my_boot <- diamonds %>% 
  modelr::bootstrap(n = 20, id = 'clarity') %>%
  group_by(clarity) %>%
  mutate(fit = map(strap,
                   ~tryCatch(glmmTMB(carat ~
                              cut*x*poly(depth,3) +
                              table + price + 
                              (1|color) + (1|clarity),
                            REML=T,
                            data = data.frame(.)),
                            error = function(e) e,
                            warning = function(w) w)))

然后您可以使用

检查结果

err <- sapply(my_boot$fit, inherits, "error")
warn <- sapply(my_boot$fit, inherits, "warning")
ok <- !(err | warn)

并使用这些向量对列表my_boot 进行子集化。例如：

my_boot[ok]

err 和 warn 也是如此。

【讨论】：