R：X 错误中的 NA/NaN/Inf答案

【问题标题】：R: NA/NaN/Inf in X errorR：X 错误中的 NA/NaN/Inf
【发布时间】：2013-12-27 23:15:47
【问题描述】：

我正在尝试使用 R 执行负二项式回归。当我执行以下命令时：

 DV2.25112013.nb <- glm.nb(DV2.25112013~ Bcorp.Geographic.Proximity + Dirty.Industry +
                Clean.Industry + Bcorp.Industry.Density + State + Dirty.Region +
                Clean.Region + Bcorp.Geographic.Density + Founded.As.Bcorp + Centrality +
                Bcorp.Industry.Density.Squared + Bcorp.Geographic.Density.Squared +
                Regional.Institutionalization + Sales + Any.Best.In.Class +           
                Dirty.Region.Heterogeneity + Clean.Region.Heterogeneity + 
                Ind.Dirty.Heterogeneity+Ind.Clean.Heterogeneity + Industry, 
                data = analysis25112013DF6)

R 给出以下错误：

Error in glm.fitter(x = X, y = Y, w = w, etastart = eta, offset = offset,  : 
  NA/NaN/Inf in 'x'
In addition: Warning message:
step size truncated due to divergence

我不明白这个错误，因为我的数据矩阵不包含任何 NA/NaN/Inf 值...我该如何解决这个问题？

谢谢你，

【问题讨论】：

看看this question。
@Stat 大获成功。但是，否则，这（1）实际上是 StackOverflow 而不是 CrossValidated 问题（即编程而不是统计），并且（2）如果没有 tinyurl.com/reproducible-000 可重现的示例很难回答，除非有人碰巧猜对了......
同意其他 cmets（以及所引用的问题）：尝试使用许多自变量进行迭代收敛是很糟糕的。

标签： r

【解决方案1】：

~~我认为这个错误最可能的原因是数据中的负值或零，因为 glm.nb 中的默认链接是“log”。通过更改link="identity" 可以很容易地进行测试。~~ 我也认为你需要尝试更小的模型......也许这些变量的四分之一开始。这还允许您将相关变量添加为捆绑包，因为从名称中可以看出您可能与分类变量存在严重共线性的可能性。

我们确实需要数据描述。我想知道Dirty.Industry + Clean.Industry。使用具有这些水平的因子变量可以更好地处理这种二分法。如果 Clean = not-Dirty，这可以防止共线性。也许与您的“异质性”变量类似。（我不相信@BenBolker 的评论是正确的。我认为您很有可能在解决编码问题之前首先需要统计咨询。）

require(MASS)
data(quine)  # following example in ?glm.nb page

> quine$Days[1] <- -2

> quine.nb1 <- glm.nb(Days ~ Sex/(Age + Eth*Lrn), data = quine, link = "identity")
Error in eval(expr, envir, enclos) : 
  negative values not allowed for the 'Poisson' family

> quine$Days[1] <- 0
> quine.nb1 <- glm.nb(Days ~ Sex/(Age + Eth*Lrn), data = quine, link = "identity")
Error: no valid set of coefficients has been found: please supply starting values
In addition: Warning message:
In log(y/mu) : NaNs produced

【讨论】：

请注意，日志链接适用于为 0 的数据。使用该链接您正在对平均响应进行建模 - 您不会将链接直接应用于数据本身。
我认为 LHS 输入是“数据”的一部分。
我不明白你在说什么。在负二项式模型中，任何链接都以 0 作为响应不是问题。您实际上并没有记录响应的日志 - 您是说期望值的日志具有线性形式。
同意@Dason，我认为您回答的前两句话是错误的/具有误导性（您从根本上误解了 GLM 中的链接功能如何工作......）我同意可能存在共线性问题/这可能处于“您的模型没有很好地指定以适应”（=统计问题）和“您的模型在原则上是合理的但难以在实践中适应”（=计算问题）之间的界限
仍然认为我们需要更好地描述数据和解决统计问题作为第一要务。由负数或零产生的错误与 OP 提供的错误不匹配，但留下来提供有关最后两个 cmets 的具体示例。

【解决方案2】：

我通过将控制参数放入 maxiter=10 或更低的模型假设中解决了这个问题。默认值为 50 次迭代。也许它对你有更多的迭代。试试吧

【讨论】：