如何找到betareg包接受的最小浮点值？

Question

我在R中执行一个β回归，它需要0到1之间的值，端点排除在外，即( 0,1 )而不是0，1。

我的数据集中有大约0和1的值，所以我想将它们转换为最小的邻居，例如0.0000.0001和0.9999.9999。我使用了.Machine$double.xmin (这给出了2.225074e-308)，但是betareg()仍然给出了一个错误：

无效的因变量，所有观察必须在(0，1)中。

如果我使用0.000001和0.999999，我会得到一组不同的错误：

1:在betareg.fit(X，Y，Z，权值，偏移量，链接，link.phi，类型，控制)中:无法反转信息矩阵:迭代过早停止 2:在sqrt(wpp)：chol.default(K)中的错误:4阶的前导小调不是正定的

只有当我使用0.0001和0.9999时，我才能没有错误地运行。有什么方法可以用betareg改进这个最小值吗？还是我应该对此感到高兴？

Answer 1

用eps (从0到1的位移)试一试，首先等于1e-4 (如这里所示)，然后再用1e-3。如果模型的结果与你所关心的没有任何不同，那就太好了。如果是的话，你需要对非常小心，因为这意味着你的答案会对假设非常敏感。

在下面的例子中，色散参数phi变化很大，但是截距和斜率参数变化不大。

如果您确实发现对于您的特定数据，参数会发生令人担忧的变化，那么您需要更仔细地考虑零和1产生的过程，并对该过程进行适当的建模。

• 审查数据模型:0/1通过最小/最大检测阈值产生，将0/1值建模为实际处于尾部某个位置或
• 一个障碍/零一通货膨胀模型:零和一是通过与其他数据分离的过程产生的，使用二项式或多项模型来描述零对(0,1)比1，然后在(0,1)分量上使用Beta回归)。

对于CrossValidated来说，有关这些步骤的问题可能比对这些步骤更合适。

样本数据

set.seed(101)
library(betareg)
dd <- data.frame(x=rnorm(500))
rbeta2 <- function(n, prob=0.5, d=1) {
    rbeta(n, shape1=prob*d, shape2=(1-prob)*d)
}
dd$y <- rbeta2(500,plogis(1+5*dd$x),d=1)
dd$y[dd$y<1e-8] <- 0

试配函数

ss <- function(eps) {
    dd <- transform(dd,
                    y=pmin(1-eps,pmax(eps,y)))
    m <- try(betareg(y~x,data=dd))
    if (inherits(m,"try-error")) return(rep(NA,3))
    return(coef(m))
}
ss(0)  ## fails
ss(1e-8) ## fails
ss(1e-4)
## (Intercept)           x       (phi) 
##   0.3140810   1.5724049   0.7604656
ss(1e-3)  ## also fails
ss(1e-2)
## (Intercept)           x       (phi) 
##   0.2847142   1.4383922   1.3970437
ss(5e-3)
## (Intercept)           x       (phi) 
##   0.2870852   1.4546247   1.2029984

尝试将其用于一系列值。

evec <- seq(-4,-1,length=51)
res <- t(sapply(evec, function(e) ss(10^e)) )
library(ggplot2)
ggplot(data.frame(e=10^evec,reshape2::melt(res)),
       aes(e,value,colour=Var2))+
    geom_line()+scale_x_log10()

​

​