fitdist拟合参数随初始值变化问题及求解咨询

使用fitdistrplus::fitdist拟合loglogistic（llogis）分布时，输出参数会随初始值设置产生巨大差异，可复现示例如下：

x <- c(2.1e6, 6.1e6, 1.3e7, 1.6e7, 2.0e7, 2.4e7, 2.8e7, 5.9e7, 7.2e7, 2.3e8)
# 不指定初始值的拟合结果
fitdistrplus::fitdist(x, "llogis", method="mle", start = NULL)
# 指定初始值的拟合结果
fitdistrplus::fitdist(x, "llogis", method="mle", start = list(shape = 1.1, scale = 2e7))

• 不指定初始值时，返回shape参数为0.1079、scale参数为2.288e7；
• 指定初始值时，返回shape为1.423、scale为2.274e7；
  二者差异显著（shape<1时loglogistic分布无均值，>1时有均值）。

对数据进行缩放后（y <- x/1e6），无论是否设置初始参数，拟合结果一致：shape约1.424，scale约22.72-22.736。

技术问题 #

1. 如何选择合适的初始参数，或如何确定合适的数据缩放比例？
2. 无需多次尝试不同缩放比例或初始参数，如何判断拟合结果是否正确？（注：标准误差为NaN的情况无法准确判断）

问题1：初始参数选择与数据缩放比例确定 #

初始参数选择

• 基于分布特征的估计值：loglogistic的scale参数对应中位数，直接用样本中位数作为scale的初始值；shape参数可通过四分位距计算：用log(3)/log(上四分位数/下四分位数)得到初始值，这个方法能快速得到贴合数据分布的初始参数。

  med <- median(x)
  q25 <- quantile(x, 0.25)
  q75 <- quantile(x, 0.75)
  shape_init <- log(3)/log(q75/q25)
  fitdistrplus::fitdist(x, "llogis", method="mle", start = list(shape=shape_init, scale=med))
  

• 结合数据统计特征：若数据右偏明显，shape通常大于1，可据此设置初始范围，避免算法收敛到无意义的小shape值。

数据缩放比例确定

• 以数值稳定性为核心：当数据量级跨度大（如示例中1e6到1e8），会降低优化算法的数值精度。缩放的目标是让数据量级落在1~100之间，比如除以样本中位数、10的幂次（如1e6），消除数量级差异即可，没有固定比例要求。
• 验证缩放合理性：缩放后重新拟合，若不同初始值下结果一致，说明缩放有效。

问题2：判断拟合结果正确性的方法 #

1. 对比对数似然值

MLE的目标是最大化对数似然，因此对数似然值更高的拟合结果更优。直接提取并对比不同拟合结果的loglik属性：

fit1 <- fitdistrplus::fitdist(x, "llogis", method="mle", start = NULL)
fit2 <- fitdistrplus::fitdist(x, "llogis", method="mle", start = list(shape = 1.1, scale = 2e7))
fit1$loglik
fit2$loglik

示例中fit2的对数似然值会显著高于fit1，说明其更贴合数据。

2. 可视化拟合优度

用fitdistrplus的plot()函数生成密度曲线、QQ图、PP图：

plot(fit2)

若密度曲线与数据直方图贴合度高，QQ图中点近似沿直线分布，说明拟合合理；而shape=0.1079的结果，其密度曲线会与数据分布严重偏离。

3. 验证参数合理性

结合数据本身的统计特征判断：

• 示例数据存在明确的样本均值（约4.75e7），而shape<1时loglogistic分布无均值，因此shape=0.1079的结果显然不符合数据特征；
• scale参数对应分布中位数，样本中位数为2.2e7，拟合结果的scale需接近该值，否则需警惕。

4. 更换优化算法验证

通过optim.method参数指定不同优化算法（如"L-BFGS-B"、"Nelder-Mead"），同时可设置参数下界避免收敛到无意义值：

fitdistrplus::fitdist(x, "llogis", method="mle", start = NULL, optim.method = "L-BFGS-B", lower=c(0.5, 1e6))

若不同算法得到的参数一致，说明结果可靠。

内容的提问来源于stack exchange，提问作者kccu