拟合COMPoisson回归出现L-BFGS-B needs finite values of 'fn'报错怎么办

该报错是拟合COMPoisson回归时，内部调用L-BFGS-B优化算法求解最大似然的过程中，对数似然函数（代码里的fn）输出了非有限值（NA、NaN、无穷大），导致优化无法继续。

• 验证因变量合法性：COMPoisson回归要求因变量为非负整数，运行summary(cdata$CR.fatal)检查是否存在负数、小数、空值/缺失值。
• 排查自变量共线性：运行cor(cdata[,c("ADT","HV")])计算两个自变量的相关系数，若相关系数绝对值大于0.8，说明存在严重共线性，会导致参数估计发散。
• 检查极端离群值：分别对ADT、HV两个自变量绘制箱线图，判断是否存在远离整体分布的极端值，极端值会导致线性预测器数值溢出，引发似然计算异常。
• 确认初始参数合理性：glm.cmp默认从普通泊松回归提取初始参数，如果你的数据离散度和普通泊松差异极大，默认初始参数可能直接落在非可行域，导致第一次计算似然就出现非有限值。

按优先级依次尝试以下操作：

1. 清洗数据集

# 剔除含缺失值的样本
cdata_clean <- na.omit(cdata)
# 强制转换因变量为整数类型
cdata_clean$CR.fatal <- as.integer(cdata_clean$CR.fatal)
# 对自变量做1%水平的缩尾处理，消除极端值影响
cdata_clean$ADT <- pmax(pmin(cdata_clean$ADT, quantile(cdata_clean$ADT, 0.99)), quantile(cdata_clean$ADT, 0.01))
cdata_clean$HV <- pmax(pmin(cdata_clean$HV, quantile(cdata_clean$HV, 0.99)), quantile(cdata_clean$HV, 0.01))

2. 更换优化算法
   放弃对参数边界和似然值要求严格的L-BFGS-B算法，换成鲁棒性更高的Nelder-Mead算法：

comp3 <- glm.cmp(CR.fatal ~ ADT + HV, data = cdata_clean, optim.method = "Nelder-Mead")

3. 手动传入初始参数
   先拟合普通泊松回归得到基准参数，再传入COMPoisson回归作为初始值：

# 拟合普通泊松回归拿初始beta值
pois_mod <- glm(CR.fatal ~ ADT + HV, data = cdata_clean, family = poisson)
# 手动指定初始参数，nu初始值设为1对应普通泊松的离散度水平
comp3 <- glm.cmp(CR.fatal ~ ADT + HV, data = cdata_clean, par.init = list(beta = coef(pois_mod), nu = 1))

4. 调整优化控制参数
   放大迭代次数上限，降低收敛阈值，避免优化提前终止在非可行域：

comp3 <- glm.cmp(CR.fatal ~ ADT + HV, data = cdata_clean, optim.control = list(maxit = 10000, factr = 1e-8))

内容的提问来源于stack exchange，提问作者Parviz Shahmirzalou