如何在R中使用固定形状参数为1的Gamma GLM？含glmnet报错问题

一、固定形状参数为1的Gamma族自定义问题 #

需求是创建形状参数固定为1、链接函数为log的Gamma族，你尝试的代码：

cv.glmnet(x=as.matrix(all_datasets[,c("V1","V2")]), y=all_datasets$V4, family= Gamma(link="log"), 
    type.measure = "mse", alpha = 1, nlambda = 100)

虽然能运行，但原生Gamma(link="log")在glmnet中是默认自动估计形状参数，而非固定为1，官方文档确实没明确说明这一点。

要固定形状参数为1，需要自定义族对象。注意：形状为1的Gamma分布等价于指数分布，我们可以基于这个特性编写自定义族：

# 自定义形状固定为1、log链接的Gamma族
gamma_log_shape1 <- list(
  family = "gamma",
  link = "log",
  linkfun = function(mu) log(mu),
  linkinv = function(eta) exp(eta),
  variance = function(mu) mu^2,  # Gamma方差公式为mu²/shape，shape=1时简化为mu²
  dev.resids = function(y, mu, wt) {
    wt * (2 * (log(mu/y) + y/mu - 1))  # shape=1对应的偏差残差计算式
  },
  mu.eta = function(eta) exp(eta),
  initialize = expression({
    if (any(y <= 0)) stop("响应变量y必须为正数")
    mustart <- y
  })
)

调用时直接使用这个自定义族：

cv.glmnet(x=as.matrix(all_datasets[,c("V1","V2")]), y=all_datasets$V4, family=gamma_log_shape1, 
    type.measure = "mse", alpha = 1, nlambda = 100)

二、单变量输入报错的解决 #

当仅传入单个变量作为x时，报错：

cv.glmnet(x=as.matrix(all_datasets[,c("V1")]), y=all_datasets$V4, family= Gamma(link="log"), 
       type.measure = "mse", alpha = 1, nlambda = 100)

# 错误信息：
# Error in glmnet(x, y, weights = weights, offset = offset, lambda = lambda,  : 
#  x should be a matrix with 2 or more columns

这是因为glmnet的底层实现默认要求输入特征矩阵至少2列。解决方法很简单，给x添加一列无意义的dummy变量（比如全0列），就能绕过这个检查，且不会影响模型结果（LASSO会自动将dummy列的系数正则化到0）：

# 构造带dummy列的特征矩阵
x_single <- cbind(as.matrix(all_datasets[,"V1"]), dummy_col = 0)

# 调用cv.glmnet
cv.glmnet(x=x_single, y=all_datasets$V4, family=gamma_log_shape1, 
       type.measure = "mse", alpha = 1, nlambda = 100)

内容的提问来源于stack exchange，提问作者Jackie