逻辑回归中对连续变量执行log()变换时出现NA/NaN/Inf错误求助

错误原因很明确：你对变量做log变换时，部分变量存在0值或负数——log(0)会生成-Inf，log负数会得到NaN，这些无效值导致glm.fit无法正常运行。

排查问题变量 #

先定位到底哪个变量出问题，运行以下代码检查目标变量的取值：

# 检查每个待log变换变量的最小值
sapply(data_model[c("LIQUDYRX", "ETRANPTP", "FINCBTXM", "MRPINSPQ", "MRTINTPQ", "EDUC_REF", "EOWNDWLP", "AGE_REF")], min)

# 直接判断变量是否包含0或负数
sapply(data_model[c("LIQUDYRX", "ETRANPTP", "FINCBTXM", "MRPINSPQ", "MRTINTPQ", "EDUC_REF", "EOWNDWLP", "AGE_REF")], function(x) any(x <= 0))

解决方法 #

针对存在0值的变量，用以下两种方式处理：

• log(x + 1)变换：这是最常用的处理非负变量含0的方法，log(0+1)=0，不会生成无效值，对变量尺度的影响也可控。
• log(x + 极小值)：如果变量值很大，x+1会明显改变变量尺度，可以用log(x + 1e-5)这类极小值代替1，尽量保留原变量的分布特征。

如果变量存在负数，需要先根据业务逻辑处理（比如取绝对值、重新编码为0，或剔除异常值），因为log变换本身不支持负数。

修改后的代码示例 #

regTRANSFORM <- glm(DEFBENRP~BLS_URBN+log(LIQUDYRX + 1)+log(ETRANPTP + 1)+log(FINCBTXM + 1)+log(MRPINSPQ + 1)+log(MRTINTPQ + 1)+OTHLOAN+log(EDUC_REF + 1)+log(EOWNDWLP + 1)+log(AGE_REF + 1), data = data_model, family = "binomial")

另外，也可以在glm中添加na.action = na.omit临时跳过缺失值，但建议先单独处理缺失数据，避免丢失样本。

内容的提问来源于stack exchange，提问作者stupidperson