R软件运行泊松族GAM模型时出现缺失值判断错误如何解决？

该报错本质是GAM拟合迭代过程中，用于判断收敛的得分值出现了缺失值（NA），导致逻辑判断无法执行，常见诱因如下：

• 数据存在缺失值、不符合分布假设的异常值：泊松分布要求响应变量为非负整数，若Flp_pop存在负数、小数或者NA，或解释变量Flp_CO存在NA、无变异的极端情况，都会导致参数计算过程中生成NA
• 样条自由度k设置过高：当k值接近甚至超过样本量时，样条基函数过多导致拟合过度灵活，参数估计无法收敛，迭代得分出现NA
• 分布假设不匹配：如果计数数据存在过离散问题，不符合泊松分布方差等于均值的假设，也会导致拟合过程计算异常
• 迭代次数不足：默认迭代次数不足以让模型收敛，也会出现得分计算异常的情况

• 第一步：校验数据合规性
  先执行以下代码排查数据问题：

  # 检查缺失值
  sum(is.na(data[,c("Flp_pop","Flp_CO")]))
  # 检查响应变量范围，确认均为非负整数
  range(data$Flp_pop)
  # 检查解释变量方差，确认不存在无变异的情况
  var(data$Flp_CO)
  

  若存在缺失值可先用data <- na.omit(data)删除缺失样本，若响应变量不符合泊松要求，需修正数据或更换适配的分布族（如连续变量用gaussian、过离散计数用nb()负二项分布）。
• 第二步：调整样条k值
  降低k的取值，先尝试k=5、k=10等较小值，k建议不超过样本量的1/10，避免基函数过多导致收敛失败。
• 第三步：调整模型收敛参数
  增加迭代次数、放宽收敛阈值，示例代码如下：

  m <- gam(Flp_pop ~ s(Flp_CO, bs = "cr", k = 10), 
           data = data, 
           family = poisson, 
           method = "REML",
           control = gam.control(maxit = 1000, conv.tol = 1e-6))
  

• 第四步：处理过离散问题
  若校验发现数据过离散，将family参数改为负二项分布即可：

  m <- gam(Flp_pop ~ s(Flp_CO, bs = "cr", k = 10), 
           data = data, 
           family = nb(), 
           method = "REML")
  

内容的提问来源于stack exchange，提问作者Julia Moore