4

mle() メソッドを使用して、R で手動で複数の予測変数を使用してロジット回帰を推定しています。以下の関数で対数尤度を計算するために必要な追加の引数を渡すのに問題がありcalcLogLikelihoodます。

負の対数尤度を計算する関数は次のとおりです。

calcLogLikelihood <- function(betas, x, y) { 
# Computes the negative log-likelihood 
#   
# Args: 
#   x: a matrix of the predictor variables in the logit model 
#   y: a vector of the outcome variable (e.g. living in SF, etc)
#   betas: a vector of beta coefficients used in the logit model 
#  
# Return: 
#   llf: the negative log-likelihood value (to be minimized via MLE)
# 
# Error handling: 
# Check if any values are null, and whether there are same number of coefficients as there are  predictors
  if (TRUE %in% is.na(x) || TRUE %in% is.na(y)) {
    stop(" There is one or more NA value in x and y!")
  }
  nbetas <- sapply(betas, length)
  if (nbetas-1 != ncol(x)) {
     print(c(length(betas)-1, length(x)))
     stop(" Categorical vector and coef vector of different lengths!")
   }
  linsum <- betas$betas[1] + sum(betas$betas[2:nbetas] * x)
  p <- CalcInvlogit(linsum)
  llf <- -1 * sum(data$indweight * (y * log(p) + (1-y) * log(1-p)))
  return(llf)

}

x と y のデータ マトリックスは次のようになります。

> head(x)
  agebucket_(0,15] agebucket_(15,30] agebucket_(30,45] agebucket_(45,60] agebucket_(60,75]
1                0                 0                 1                 0                 0
2                0                 0                 1                 0                 0
3                0                 0                 1                 0                 0
4                0                 0                 1                 0                 0
5                0                 0                 1                 0                 0    
6                0                 0                 0                 1                 0

> head(y)
 [,1]
[1,]    1
[2,]    1
[3,]    0
[4,]    0
[5,]    1
[6,]    0

私の関数への呼び出しは次のとおりです。

# Read in data
data <- read.csv("data.csv")   

# cont.x.vars and dummy.x.vars are arrays of predictor variable column names
x.vars <- c(cont.x.vars, dummy.x.vars)

# Select y column. This is the dependent variable name.
y.var <- "Housing"

# Select beta starting values
betas <- list("betas"=c(100, rep(.1, length(x.vars))))

# Select columns from the original dataframe
x <- data.matrix(data[, x.vars])
y <- data.matrix(data[, y.var])

# Minimize LLF
fit <- mle(calcLogLikelihood, betas, x=x, y=y)

これが私のエラーメッセージです：

 Error in is.na(x) : 'x' is missing

このエラーは、必要な x パラメーターと y パラメーターをcalcLogLikelihood正しく渡していないために発生しているようですが、何が問題なのかわかりません。このエラーを修正するにはどうすればよいですか?

4

1 に答える 1

2

関数 stats4::mle が省略記号引数を使用して引数を尤度関数に渡さないため、エラーが発生します。代わりに、省略記号を使用して、さらに引数を optim に渡します (?stats4::mle を参照)。尤度関数が最適化されるパラメーターの関数にすぎないことに注意する必要があります。データ、つまり x と y は、mle への呼び出しで渡すことはできません。

2 つのオプションがあります。1. 尤度関数を再定義します。データ (x, y) を自由変数 (関数定義から引数 x と y を削除し、ワークスペースで x と y を定義するだけ) として扱うという点で R のレキシカル スコープ規則に依存するか、クロージャを定義することができます。どちらがより堅牢なソリューションであり、説明されているかを明示的に示します (例: here ) 。2. mle の代わりに optim を使用することもできます。これにより、尤度の定義を保持でき、mle によってバックグラウンドでオプティマイザとして使用されます。

于 2015-08-14T06:47:08.737 に答える