R:mle2中的剖面置信区间

我正在尝试使用包

bbmle

中的命令

mle2

。我正在看Bolker的“使用

bbmle

包进行最大似然估计和分析”的p2。不知何故，我没有输入正确的起始值。以下是可复制代码：

l.lik.probit <-function(par, ivs, dv){
Y <- as.matrix(dv)
X <- as.matrix(ivs)
K <-ncol(X)
b <- as.matrix(par[1:K])
phi <- pnorm(X %*% b) 
sum(Y * log(phi) + (1 - Y) * log(1 - phi)) 
}

n=200

set.seed(1000)

x1 <- rnorm(n)
x2 <- rnorm(n)
x3 <- rnorm(n) 
x4 <- rnorm(n) 

latentz<- 1 + 2.0 * x1 + 3.0 * x2 + 5.0 * x3 + 8.0 * x4 + rnorm(n,0,5)

y <- latentz 
y[latentz < 1] <- 0 
y[latentz >=1] <- 1 
x <- cbind(1,x1,x2,x3,x4)
values.start <-c(1,1,1,1,1)   

foo2<-mle2(l.lik.probit, start=list(dv=0,ivs=values.start),method="BFGS",optimizer="optim", data=list(Y=y,X=x)) 

---

知道为什么吗？谢谢你的帮助

您错过了几件事，但最重要的是默认情况下

mle2

获取一个参数列表；你可以用一个参数向量来代替，但是你必须更加努力

我已经在一些地方稍微调整了代码。（我将对数似然函数更改为负对数似然函数，没有它，这将永远无法工作！）

如上所述，对于这个特定的例子，您刚刚重新实现了probit回归（尽管我知道您现在想要扩展它，以便以某种方式考虑异方差…）

PS

confint（foo2）

似乎可以很好地使用此设置（根据要求提供配置文件CI）

ae <- function(x,y) all.equal(unname(coef(x)),unname(coef(y)),tol=5e-5)
ae(m1,m2) && ae(m2,m3)

---

ae
值。未指定开始
。你必须定义它。
foo2tanks中还有一个打字错误，用于快速回答！我做了那些改变（我的起始值是values.start你在实现一个吗？我在做一个异方差的probit，公式几乎是一样的，所以我在这里复制一个简单的probit，这给了我完全相同的问题，起始值似乎被错误地指定了……但是为什么呢？
l.lik.probit
的公式很奇怪，因为它指定了extrnal值
x
和
y
到其参数
x
和
y
。此外，对
mle2
的调用使用命名参数“x”和“y”以两种相互冲突的方式各两次。因此，我怀疑您可能正在阅读一条由一长串错误导致的错误消息，它可能不会反映出所有的错误。也许您应该首先尝试
mle2
手册页面上的示例，然后逐步修改它们以适应您的情况。
l.lik.probit <-function(par, ivs, dv){
    K <- ncol(ivs)
    b <- as.matrix(par[1:K]) 
    phi <- pnorm(ivs %*% b)
    -sum(dv * log(phi) + (1 - dv) * log(1 - phi)) 
}

n <- 200

set.seed(1000)

dat <- data.frame(x1=rnorm(n),
                  x2=rnorm(n),
                  x3=rnorm(n),
                  x4=rnorm(n))

beta <- c(1,2,3,5,8)
mm <- model.matrix(~x1+x2+x3+x4,data=dat)
latentz<- rnorm(n,mean=mm%*%beta,sd=5)

y <- latentz 
y[latentz < 1] <- 0 
y[latentz >=1] <- 1
x <- mm
values.start <- rep(1,5)

library("bbmle")
names(values.start) <- parnames(l.lik.probit) <- paste0("b",0:4)
m1 <- mle2(l.lik.probit, start=values.start,
           vecpar=TRUE,
           method="BFGS",optimizer="optim",
           data=list(dv=y,ivs=x))

dat2 <- data.frame(dat,y)
m2 <- glm(y~x1+x2+x3+x4,family=binomial(link="probit"),
    data=dat2)

m3 <- mle2(y~dbinom(prob=pnorm(eta),size=1),
           parameters=list(eta~x1+x2+x3+x4),
           start=list(eta=0),
           data=dat2)

ae <- function(x,y) all.equal(unname(coef(x)),unname(coef(y)),tol=5e-5)
ae(m1,m2) && ae(m2,m3)