R mle2公式调用的自定义密度函数定义出错

我想定义我自己的密度函数，用于从

R

的

bbmle

包调用

mle2

的公式。模型的参数是估计的，但我不能对返回的

mle2

对象应用

残差

或

预测

之类的函数

这是一个例子，我为一个简单的泊松模型定义了一个函数

library(bbmle)

set.seed(1)
hpoisson <- rpois(1000, 10)

myf <- function(x, lambda, log = FALSE) {
  pmf <- (lambda^x)*exp(-lambda)/factorial(x)
  if (log)
    log(pmf)
  else
    pmf
}

myfit <- mle2(hpoisson ~ myf(lambda), start = list(lambda=9), data=data.frame(hpoisson))
residuals(myfit)

另一方面，如果我只是使用

R

的内置

dpois

函数按如下方式拟合模型，则会计算残差：

myfit <- mle2(hpoisson ~ dpois(lambda), start = list(lambda=9), data=data.frame(hpoisson))
    residuals(myfit)

---

myfit文档中没有很清楚地解释，但是使用自定义密度函数有几个先决条件：


函数名必须以
d开头，必须有第一个参数
x
，并且必须有一个命名参数
log
。（通常，
log
参数必须做一些合理的事情：特别是，
mle2
将使用
log=TRUE
调用函数，函数最好返回日志可能性！），尽管这不是必需的，直接计算对数似然度，然后在
log=FALSE
时求指数，而不是在
log=TRUE
时计算似然度并将其记录下来，这在数值上更为合理（有些情况下，例如零膨胀模型，这实际上是不可行的）。例如，将我的
dmyf（）
定义与OP代码中的
myf（）
定义进行比较
为了使用诸如
predict
之类的附加方法，您必须定义一个名称以
s
开头的附加函数；它返回指定参数的时刻列表、摘要统计信息等——请参见下面的示例，该示例从
bbmle:：spois
复制而来

库（“bbmle”）
种子（1）
hpoisson不是一个真正的答案，但在这方面需要更多的帮助：

我用它来尝试制作一个“定制”的贝塔二项式函数，以模仿bbmle渐晕图第一位中的函数

set.seed(1001)
x1 <- rbetabinom(n=1000, prob=0.1, size=50, theta=10)
dmybetabinom <- function(x, N, theta, p, log=FALSE) {
    (choose(N,x)*beta(N-x+theta*(1-p),x+theta*p))/beta(theta*(1-p),theta*p)
}

亲爱的Ben，我的目标是定义一个非齐次泊松过程，其中dmyf中的lambda是协变量的函数。再次，我尝试了这一点，并且正确估计了协变量的系数。但我想知道在这种情况下，我在smyf中指定的时刻是否有意义，以及我是否能够正确预测过程的结果并对其进行诊断。你有什么建议我可以在哪里找到更多的信息？我已经试过NHPoisson，它能产生很好的情节，但我不确定我能不能根据自己的需要来调整它。所以我想知道bbmle是否可以做到这一点。好吧，如果你想计算残差，那么你需要定义一些预测值，这样你就可以比较预测值和观察值……我试着用这些技巧来制作我自己的dbetabinom，但我得到了一个错误。请参阅下面的新“答案”，因为我无法在注释中使用更高级的格式。帮帮我@BenBolker，你是我唯一的希望…@BenBolker我的自定义函数仍然有问题。你能看到我的问题吗：？你可以把这变成一个新问题。。。我认为您的问题在于必须提供一个
log=TRUE
选项，因为这正是
mle2
需要的。我将在我的回答中对此加以详述。
library("bbmle")
set.seed(1)
hpoisson <- rpois(1000, 10)

dmyf <- function(x, lambda, log = FALSE) {
    logpmf <- x*log(lambda)-lambda-lfactorial(x)
    if (log) return(logpmf)  else return(exp(logpmf))
}
smyf <- function(lambda) {
    list(title = "modified Poisson",
         lambda = lambda, mean = lambda,
         median = qpois(0.5, lambda),
         mode = NA, variance = lambda, sd = sqrt(lambda))
}
myfit <- mle2(hpoisson ~ dmyf(lambda),
              start = list(lambda=9), data=data.frame(hpoisson))
residuals(myfit)

set.seed(1001)
x1 <- rbetabinom(n=1000, prob=0.1, size=50, theta=10)
dmybetabinom <- function(x, N, theta, p, log=FALSE) {
    (choose(N,x)*beta(N-x+theta*(1-p),x+theta*p))/beta(theta*(1-p),theta*p)
}

m0fa <- mle2(x1~dmybetabinom( N=50, theta, p), start=list(p=0.2, theta=9), data=data.frame(x1) )`

Error in optim(par = c(0.2, 9), fn = function (p)  :   non-finite finite-difference value [1] `