调用stan_betareg报错“Invalid stanfit object produced”的排查求助

已确认响应变量PercentLoss取值在(0,1)区间内，且已更新相关包，但运行stan_betareg时出现初始化失败错误，具体信息如下：

运行代码 #

model <- stan_betareg(
  linformula,
  link = c('logit'),
  data = train,
  model = TRUE,
  x = TRUE,
  y = TRUE,
  contrasts = NULL,
  weights = Insured.Acres,
  QR = TRUE,
  refresh = 0,
  prior = normal(0,2),
  prior_intercept = normal(0,2)
)

模型公式 #

linformula通过as.formula定义：

PercentLoss ~ LossRatio.11 + ZeroIndemnities.11 + LossRatio.15 + 
    ZeroIndemnities.15 + LossRatio.16 + ZeroIndemnities.16 + 
    LossRatio.41 + ZeroIndemnities.41 + LossRatio.51 + ZeroIndemnities.51 + 
    LossRatio.78 + ZeroIndemnities.78 + LossRatio.81 + ZeroIndemnities.81 + 
    LossRatio.91 + ZeroIndemnities.91 + prec + dday0C + dday10C + 
    dday30C + prec2 + weightCovLevel.84 + totalpolicies | totalpolicies + 
    weightCovLevel.84  

报错信息 #

[1] "Error in sampler$call_sampler(args_list[[i]]) : Initialization failed."
[1] "error occurred during calling the sampler; sampling not done"
Error in check_stanfit(stanfit) :
Invalid stanfit object produced please report bug

使用环境 #

• R版本：4.2.1
• rstanarm版本：2.21.3

排查方向 #

• 协变量尺度问题：检查协变量是否存在极端值或尺度差异过大（比如部分变量取值范围是0-1，另一部分是1e6级别）。Beta回归对协变量尺度敏感，建议先对所有协变量做标准化（如Z-score转换）后再尝试拟合。
• 权重变量验证：确认Insured.Acres是否全为正数值，无0或负数；同时检查权重量级是否过大，可能导致初始化时参数值异常。
• 模型复杂度简化：当前模型包含大量协变量（线性预测部分+精度部分），且启用了QR分解。可先尝试关闭QR分解（QR=FALSE），或拟合仅含少量核心协变量的简单模型，确认能正常运行后再逐步添加变量定位问题。
• 先验设置调整：当前normal(0,2)先验若搭配未标准化的协变量，可能与参数实际取值范围不匹配。可尝试放宽先验（如normal(0,5)），或改用鲁棒性更强的弱信息先验（如student_t(3,0,10)）。
• 数据质量检查：再次确认训练集train无缺失值（可先用na.omit(train)尝试拟合），排查协变量中的极端异常值（如用箱线图逐个检查变量分布）。
• 版本兼容性确认：rstanarm 2.21.3属于较旧版本，与R 4.2.1可能存在兼容问题。确认是否安装了适配R 4.2.x的最新rstanarm版本（注意rstanarm需与rstan版本匹配）。
• 初始化参数调整：尝试添加init_r=0.1参数缩小初始化的随机取值范围，帮助采样器找到合理的初始参数值。

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