使用R最大化对数似然函数估计参数时优化失效问题求助

• 优化函数参数格式不符合optim要求：optim默认将待估参数作为单个向量传入目标函数，你定义的Logg为4个独立参数a,b,c,s，无法接收optim传递的参数向量，直接导致函数调用失败。
• 初始值选取完全落在无效域：你选取的初始值c(0,0,0,0)存在两个致命问题：一是参数b出现在lambda公式的分母位置，b=0会直接触发除零错误；二是a、b、sigma²（即代码中的s）、c均为非负参数，0值会导致log计算输入为0，返回非数值NaN，优化无法迭代。
• 非必要计算引入错误：你的观测死亡数d30/d60/d90为浮点型数值，而factorial()仅支持整数输入，会直接报错；且对数似然中的log(factorial(d))项为与待估参数无关的常数，不影响优化结果，完全可以删除。
• 未考虑计算过程中的数值稳定性：迭代过程中如果出现lambda + c <= 0的情况，会触发log输入为非正数的错误，导致优化中断。

调整核心逻辑：改写目标函数适配optim的参数传递规则，选用支持参数约束的优化方法，替换合理初始值，删掉冗余计算、添加数值稳定逻辑。调整后可正常运行的代码如下：

d30 <- 2975.1
d60 <- 11456.38
d90 <- 2977.08
r30 <- 1531956.05
r60 <- 650404.58
r90 <- 9728.47

# 改写后的对数似然函数，接收单个参数向量
Logg <- function(par) {
  a <- par[1]
  b <- par[2]
  c <- par[3]
  s <- par[4]
  
  # 计算三个年龄组的mu值
  mu0 <- (a*exp(b*0))/(1 + (s*a/b)*(exp(b*0)-1))
  mu30 <- (a*exp(b*30))/(1 + (s*a/b)*(exp(b*30)-1))
  mu60 <- (a*exp(b*60))/(1 + (s*a/b)*(exp(b*60)-1))
  
  # 计算三组的泊松率项，加极小值避免log(0)
  lambda0 <- mu0 + c
  lambda30 <- mu30 + c
  lambda60 <- mu60 + c
  if (any(c(lambda0, lambda30, lambda60) <= 1e-10)) return(-Inf)
  
  # 对数似然计算，删除了不影响优化的常数阶乘项
  ll <- d30*log(lambda0 * r30) - lambda0 * r30 +
        d60*log(lambda30 * r60) - lambda30 * r60 +
        d90*log(lambda60 * r90) - lambda60 * r90
  return(ll)
}

# 选合理初始值，用带参数下界约束的L-BFGS-B方法优化
init_par <- c(a=0.001, b=0.01, c=0.0001, s=0.05)
optim_res <- optim(init_par, Logg, method = "L-BFGS-B", 
                   lower = c(1e-8, 1e-8, 1e-8, 1e-8),
                   control = list(fnscale=-1))

# 输出优化结果
print(optim_res)

如果后续收敛效果不佳，可以进一步调整初始值，或换用nloptr等更稳定的非线性优化包。

内容的提问来源于stack exchange，提问作者Natasha