R - 二元响应模型中的分离问题 - glm，brglm，logistf

Question

我遇到了一些与我的数据有关的问题，需要一些帮助。 我试图运行有/无变量作为响应变量和几个解释变量（时间，地点，存在/缺勤数据，丰度数据）的glm分析。

首先，我试图使用GLM（）函数，但是我有关于glm.fit（）2个警告： 1：glm.fit：算法没有收敛 2：glm.fit：嵌合概率数值0或发生了1次 经过一番调查后，我发现问题很可能是准完全分离，因此决定使用brglm和/或logistf。

• logistf：分析不运行 当运行logistf（）我得到一个错误消息说：在chol.default（X） 错误： 导致未成年人39不是正定 我看着logistf包手册，在互联网上，在Heinze和Ploner的理论和技术论文中找不到这个功能的用途，以及错误是否可以通过一些设置来解决。

• brglm：分析运行 不过，我得到一个警告消息说： 在fit.proc（X = X，Y = Y，重量=砝码，开始=启动，etastart＃= etastart，： 迭代达到上限 就像之前我找不到在哪里，以及为什么在运行包使用此功能，并通过调整一些设置，如果可固定。

在更普遍的方式，我想知道是什么的根本区别这些包。

我希望这有道理，如果这是一种我不知道的统计证据，我很抱歉。

这是我第一次问一个问题，所以我很抱歉，如果它不是应该的，请你毫不犹豫地让我知道它。

谢谢您的帮助

Xochitl C.

---

这里我表的提取物（我必须截断行的长度，因为该表是太宽：20列）和我运行的公式不同：

head() 

Year Quarter Subarea Latitude Longitude Presence.S CPUE.S Presence.H CPUE.H Presence.NP 

1 2000  1 31F1 51.25  1.5   0  0   0  0  0 
2 2000  1 31F2 51.25  2.5   0  0   0  0  0 
3 2000  1 32F1 51.75  1.5   0  0   0  0  0 
4 2000  1 32F2 51.75  2.5   0  0   0  0  0 
5 2000  1 32F3 51.75  3.5   0  0   0  0  0 
6 2000  1 33F1 52.25  1.5   0  0   0  0  0 

tail() 

Year Quarter Subarea Latitude Longitude Presence.S CPUE.S Presence.H CPUE.H 

4435 2012  3 50F3 60.75  3.5 1 103.000 1  110.000    
4436 2012  3 51E8 61.25  -1.5 1 1311.600 1  12.000 
4437 2012  3 51E9 61.25  -0.5 1 34.336 1  46.671    
4438 2012  3 51F0 61.25  0.5 1 430.500 1  148.000    
4439 2012  3 51F1 61.25  1.5 1 115.000 1  85.000    
4440 2012  3 51F2 61.25  2.5 1 72.500 1  5.500     

logistf_binomPres <- logistf (Presence.S ~ (Presence.BW + Presence.W + Presence.C + Presence.NP +Presence.P + Presence.H +CPUE.BW + CPUE.H + CPUE.P + CPUE.NP + CPUE.W + CPUE.C + Year + Quarter + Latitude + Longitude)^2, data = CPUE_table) 

Brglm_binomPres <- brglm (Presence.S ~ (Presence.BW + Presence.W + Presence.C + Presence.NP +Presence.P + Presence.H +CPUE.BW + CPUE.H + CPUE.P + CPUE.NP + CPUE.W + CPUE.C + Year + Quarter + Latitude + Longitude)^2, family = binomial, data = CPUE_table) 

Answer 1

对于什么是值得的，我也遇到了“主要未成年人我不是肯定的”错误。

这是由于我的第i个变量对所有观察结果都是相同的。 删除此变量可解决问题。

希望这有助于

乙