使用maxLik执行似然比测试时遇缺失值错误的解决求助

我来帮你定位并解决这个问题。这个错误的根源是参数估计过程中产生了无效的NA值，导致后续逻辑判断无法得到合法的TRUE/FALSE结果。下面是具体的分析和修复步骤：

错误原因拆解 #

你遇到的Error in if (all(y == 0)) { : missing value where TRUE/FALSE needed，本质是当maxLik尝试计算似然值时，部分参数组合（比如m<=0、o<=0）会让似然函数返回NA，而内部函数在处理这些NA值时，触发了需要布尔值但得到NA的判断。

比如你的Logliknak1函数中，如果m或o为负数，log(o)或lgamma(m)会返回NA，整个似然值就变成了NA，进而导致后续判断出错。

具体修复方案 #

1. 在似然函数中添加参数有效性校验 #

提前拦截无效参数组合，直接返回-Inf（让maxLik自动跳过这些无效参数）：

library("maxLik")
library("flexsurv")

n=20
den1=1000
mpar=3
omepar=5
spar=3

# 修复后的原假设似然函数
Logliknak1=function(param){
  m=param[1]
  o=param[2]
  # 校验参数必须为正
  if(m <= 0 || o <= 0) return(-Inf)
  n*(log(2)+m*log(m)-lgamma(m)-m*log(o))+(2*m-1)*sum(log(y))-(m/o)*sum(y^(2))
}

# 修复后的备择假设似然函数
Loglikgennak= function(param){
  s <- param[1]
  ome <- param[2]
  m<-param[3]
  # 校验所有参数必须为正
  if(s <= 0 || ome <= 0 || m <= 0) return(-Inf)
  n*(log(2*s)+m*log(m)-lgamma(m)-m*log(ome))+(2*m*s-1)*sum(log(y))-(m/ome)*sum(y^(2*s))
}

2. 增强循环中的收敛性与NA检查 #

在repeat循环中，先确认模型收敛且系数无NA，避免后续使用无效值：

LR2=rep(0,den1)
ps=0; pome=0; pm=0;

for(i in 1:den1){
  repeat {
    x=rgengamma.orig(n,shape=spar,scale=(omepar/mpar),k=mpar)
    y=x^0.5
    
    # 额外检查y是否全为正（理论上不会，但以防极端情况）
    if(any(y <= 0)) next
    
    ot=mean(y^2)
    mt=(mean(y)*mean(y^2))/(2*(mean(y^3)-(mean(y)*mean(y^2))))
    
    # 拟合原假设模型并检查收敛性
    mle2 <- maxLik(logLik=Logliknak1, start = c(m=mt, o=ot),method="BFGSR")
    if(!converged(mle2) || any(is.na(coef(mle2)))) next
    
    lnull=logLik(mle2)
    mm=coef(mle2)[[1]]
    mo=coef(mle2)[[2]]
    
    # 拟合备择假设模型并检查收敛性
    mle3 <- maxLik(logLik=Loglikgennak, start = c(s=1.5,ome=omepar+1,m=mpar+1),method="BFGSR")
    if(!converged(mle3) || any(is.na(coef(mle3)))) next
    
    lalt=logLik(mle3)
    ps=coef(mle3)[[1]]
    pome=coef(mle3)[[2]]
    pm=coef(mle3)[[3]]
    
    # 只有当所有条件都满足时才退出循环
    if (lalt>lnull && ps>1 && pome>0 && pm>0) {break}
  }
  
  LR2[i]=2*(lalt-lnull)
  print(i)
  print(LR2[i])
  print(pm)
  print(pome)
  print(ps)
}

3. 可选：优化初始值 #

你当前的备择模型初始值是固定的c(s=1.5,ome=omepar+1,m=mpar+1)，可以考虑用原模型的估计值来初始化，提升收敛概率：

# 用原模型的系数作为备择模型的初始值参考
mle3 <- maxLik(logLik=Loglikgennak, start = c(s=1.5, ome=mo, m=mm), method="BFGSR")

为什么这样能解决问题？ #

• 参数有效性校验确保似然函数永远返回合法值（要么是有效的对数似然，要么是-Inf），避免NA流入后续计算；
• 收敛性检查确保你只使用成功拟合的模型结果，不会用未收敛的无效系数；
• 额外的y值检查避免极端情况导致的计算异常。

内容的提问来源于stack exchange，提问作者deniss