for循环中用broom::tidy提取gnm对象结果遇收敛错误

可能的触发原因 #

• 循环环境与单独运行的收敛判定逻辑差异：gnm在批量拟合时默认的收敛检查更严格，i=1的模型在循环中未通过判定，但单独运行时宽松的阈值允许其通过。
• 循环内变量未完全隔离：数据子集或模型公式若未在每次循环中重新创建，可能残留上一次拟合的参数状态，导致数值计算异常。
• 资源分配差异：循环运行时内存占用更高，可能降低数值计算精度，引发收敛警告和NaN。

针对性解决方案 #

1. 手动调整收敛控制参数 #

显式设置gnm的迭代次数和收敛容忍度，给模型足够的收敛空间：

results <- vector("list", 12)
for (i in 1:12) {
  sub_data <- your_data[your_data$stratum == i, ]
  fit <- gnm(
    y ~ x + offset(log(exposure)) + strata(stratum),
    data = sub_data,
    family = poisson,
    control = gnm.control(maxit = 1000, epsilon = 1e-6)
  )
  results[[i]] <- broom::tidy(fit, exponentiate = TRUE, conf.int = TRUE)
}

maxit提升最大迭代次数，epsilon降低收敛判定的阈值，避免因迭代不足触发收敛警告。

2. 确保循环内变量完全独立 #

每次循环都重新定义数据子集和模型公式，避免外部变量的干扰：

results <- vector("list", 12)
for (i in 1:12) {
  # 每次循环重新生成数据子集
  current_data <- dplyr::filter(your_data, stratum == i)
  # 每次循环重新构建公式
  model_formula <- as.formula("y ~ predictor + offset(log(exposure)) + strata(stratum)")
  
  fit <- gnm(model_formula, data = current_data, family = poisson)
  results[[i]] <- broom::tidy(fit, exponentiate = TRUE, conf.int = TRUE)
}

3. 捕获警告并重新拟合 #

针对i=1的收敛警告，用tryCatch捕获后重新拟合，或关闭参数剖面检查：

results <- vector("list", 12)
for (i in 1:12) {
  current_data <- your_data[your_data$stratum == i, ]
  fit <- tryCatch(
    expr = gnm(your_formula, data = current_data, family = poisson),
    warning = function(w) {
      if (grepl("profiling has found a better solution", w$message)) {
        # 关闭剖面检查重新拟合
        gnm(your_formula, data = current_data, family = poisson,
            control = gnm.control(profiler = FALSE))
      } else {
        # 其他警告直接抛出
        stop(w)
      }
    }
  )
  results[[i]] <- broom::tidy(fit, exponentiate = TRUE, conf.int = TRUE)
}

关闭profiler会跳过后续的参数优化检查，适合确认模型参数已经稳定的场景。

4. 为特殊 strata 手动设置初始值 #

如果i=1的 strata 样本量小或数据特殊，单独拟合获取初始值后再代入循环：

results <- vector("list", 12)
for (i in 1:12) {
  current_data <- your_data[your_data$stratum == i, ]
  if (i == 1) {
    # 单独拟合获取稳定的初始参数
    init_fit <- gnm(your_formula, data = current_data, family = poisson)
    fit <- gnm(your_formula, data = current_data, family = poisson, start = coef(init_fit))
  } else {
    fit <- gnm(your_formula, data = current_data, family = poisson)
  }
  results[[i]] <- broom::tidy(fit, exponentiate = TRUE, conf.int = TRUE)
}

内容的提问来源于stack exchange，提问作者doraemon