使用MASS::boxcox时$y值为Inf的问题解决方法

核心问题 #

你遇到的$y全为Inf的直接原因是：过滤后模型的响应变量yes是常数（所有观测值均为TRUE/1），而Box-Cox变换依赖于响应变量存在变异（即不同观测值有差异）才能计算有效的对数似然值。

具体解释 #

• MASS::boxcox()是为线性模型设计的工具，它通过变换响应变量来最大化模型的对数似然。当响应变量所有值完全相同时，模型的残差方差为0，似然函数的分母（涉及方差）会趋近于0，最终导致对数似然值变为无穷大。
• 另外，yes是二分类变量（只有TRUE/FALSE两个取值），本身就不适合做Box-Cox变换——Box-Cox的适用场景是正的连续型响应变量，二分类变量应该用逻辑回归等专门的分类模型，而非线性模型+Box-Cox。

修复步骤 #

• 修正模型公式：检查你的研究目标，确认哪个变量是需要分析的响应变量。从变量名yes和no的对立关系来看，你可能搞反了因变量和自变量，比如应该将no作为响应变量，或者选择其他连续型变量作为因变量。
• 移除错误的过滤条件：如果yes确实是你要分析的响应变量，不能用filter(as.logical(yes))把所有no的观测删掉——这样会彻底丢失响应变量的变异，任何线性模型都无法拟合。
• 更换合适的模型：如果你的目标是分析二分类响应变量，直接使用glm()拟合逻辑回归模型即可，不需要Box-Cox变换。

内容的提问来源于stack exchange，提问作者smitt173