glm.nb generuje niezwykły błąd na niektórych wejściach. Chociaż istnieje wiele wartości, które powodują ten błąd, nawet zmiana wejściabardzo nieznacznie może zapobiec błędowi.

Powtarzalny przykład:

set.seed(11)
pop <- rnbinom(n=1000,size=1,mu=0.05)
glm.nb(pop~1,maxit=1000)

Uruchomienie tego kodu powoduje błąd:

Error in while ((it <- it + 1) < limit && abs(del) > eps) { : 
  missing value where TRUE/FALSE needed

Początkowo zakładałem, że ma to związek z tym, że algorytm nie zbiega się. Zaskoczyło mnie jednak, że zmienia to nawet wejściebardzo nieznacznie może zapobiec błędowi. Na przykład:

pop[1000] <- pop[1000] + 1
glm.nb(pop~1,maxit=1000)

Odkryłem, że ten błąd rzuca na 19,4% nasion między 1 a 500:

fit.with.seed = function(s) {
    set.seed(s)
    pop <- rnbinom(n=1000, size=1, mu=0.05)
    m = glm.nb(pop~1, maxit=1000)
}

errors = sapply(1:500, function(s) {
    is.null(tryCatch(fit.with.seed(s), error=function(e) NULL))
})

mean(errors)

Znalazłem tylkojedna wzmianka tego błędu w dowolnym miejscu na wątku bez odpowiedzi.

Co może powodować ten błąd i jak można go naprawić (poza przypadkowym wprowadzaniem danych za każdym razemglm.nb rzuca błąd?)

ETA: Ustawieniecontrol=glm.control(maxit=200,trace = 3) stwierdza, żetheta.ml algorytm łamie się, stając się bardzo duży, a następnie stając się-Inf, a potem stawanie sięNaN:

theta.ml: iter67 theta =5.77203e+15
theta.ml: iter68 theta =5.28327e+15
theta.ml: iter69 theta =1.41103e+16
theta.ml: iter70 theta =-Inf
theta.ml: iter71 theta =NaN