evir::gev()拟合特定数据时触发optim非有限有限差分错误

场景说明 #

需要对最大值得分拟合广义极值分布，计算统计显著性阈值，选用R语言evir包的gev()函数实现拟合流程，测试时出现异常：

• 直接从存储置换扫描结果的permuted_scans对象中，提取max.statistics节点下的LOD列值传入gev()函数时，拟合过程抛出错误
• 传入手动定义的、取值一致的双精度（double）型数值向量时，代码可正常运行
  初步核查确认两种场景下传入的data对象均为double类型向量，打印输出的取值无肉眼可见差异，但函数处理结果存在明显区别。

复现代码 #

正常运行版本 #

data <- c(5.401319,6.580631,6.120880,5.686255,6.640302,6.990672,5.797920,6.902248,5.694203,6.853788)
print(data)
typeof(data)
fit <- evir::gev(data)

触发报错版本 #

data <- permuted_scans$max.statistics$LOD
print(data)
typeof(data)
fit <- evir::gev(data)

报错信息 #

执行报错代码时抛出的错误如下：

Error in optim(theta, negloglik, hessian = TRUE, ..., tmp = data) : non-finite finite-difference value 1

排查解决方法 #

这个报错的本质是gev()内部调用optim()做极大似然估计时，数值梯度计算的差分结果出现了非有限值（NaN/Inf/-Inf），和向量本身的存储类型是否为double没有直接关系，按以下优先级排查：

• 排查隐藏的非有限值
  不要仅靠打印输出判断取值合法性，R默认打印数值时会对极端值、缺失值做显示截断，直接执行以下命令校验向量完整性：

  # 统计各类非有限值数量
  sum(is.na(data))
  sum(is.nan(data))
  sum(is.infinite(data))
  # 检查向量是否存在零变异（所有值完全相同会导致似然函数失效）
  var(data)
  length(unique(data))
  

  绝大多数同类报错都是因为提取的LOD列中混了置换计算生成的隐式无穷大、缺失值，传入优化函数后直接导致似然计算崩溃。
• 剥离向量多余属性
  从结构化结果对象（比如tibble、S4类结果、带标签的统计结果对象）中提取的列，往往会附带label、col_type这类非基础向量属性，evir::gev内部没有做入参的属性剥离逻辑，带额外属性的向量传入后可能在计算时被错误解析。直接执行data <- as.numeric(data)将其转为无额外属性的基础double向量，再传入拟合函数即可排除这类干扰。
• 排查极端离群值
  如果提取的LOD列存在远偏离常规取值范围的离群点，会导致GEV分布形状参数的初始估计值严重偏离合理区间，优化迭代时直接跑到参数边界外，生成非有限的似然结果。可以先执行plot(data)查看取值分布，过滤掉明显不合理的离群值后再做拟合。

内容的提问来源于stack exchange，提问作者mcme