R语言logbin模型出现NaN及MLE边界警告的原因咨询

问题解答 #

1. NaN出现的原因 #

NaN的出现和警告信息直接相关：当最大似然估计（MLE）落在参数空间边界时，用于计算标准误的渐近协方差矩阵无法正常估计。

从系数估计值能看出异常：比如socioeco_status5、relations3等系数绝对值极大（达数百），这说明模型为拟合数据，将这些参数推到了极端值——本质是这些变量的某些类别对应的响应anydiagnosis出现了完全分离：即该类别下所有样本的anydiagnosis取值全为0或全为1，此时logbin模型的似然函数会在参数趋近于正负无穷时达到最大值，导致MLE落在参数空间的边界（无穷远处）。

这种情况下，标准误、z值和p值的计算依赖协方差矩阵的逆，但边界处的协方差矩阵奇异（不可逆），因此这些统计量只能输出NaN。

另外，428样本却运行耗时极长，是因为模型在边界附近反复迭代，难以收敛到稳定参数值，导致迭代次数大幅增加（本次模型迭代了508次）。

2. 警告信息的含义 #

这条警告意为：最大似然估计结果位于参数空间的边界上，无法使用渐近协方差矩阵。

常规广义线性模型中，我们假设MLE落在参数空间内部，此时可用Fisher信息矩阵的逆近似渐近协方差矩阵，进而计算标准误、z值和p值。但当出现完全分离或准完全分离时，MLE会跑到参数空间的边界（如参数趋近于正负无穷），这时渐近理论不再适用，协方差矩阵无法正常计算，也就无法得到标准误等统计量。

补充建议 #

• 检查变量类别分布：查看socioeco_status5、relations3等类别对应的anydiagnosis取值是否全为0或1，这类变量可考虑合并类别或直接从模型中移除。
• 简化模型：减少自变量数量，避免小样本过度拟合。
• 尝试修正估计方法：使用支持Firth偏似然估计的包（如brglm2），这类方法能针对分离情况给出有效的参数估计和标准误。

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