Для моей дипломной работы мне нужно дополнить некоторые модели glm MLE, которых нет у R, я подходил для моделей с близкой формой, но теперь мне нужно использовать CDF де Гаузиана, поэтому я решил установить простой пробитмодель.это код:
Data:
set.seed(123)
x <-matrix( rnorm(50,2,4),50,1)
m <- matrix(runif(50,2,4),50,1)
t <- matrix(rpois(50,0.5),50,1)
z <- (1+exp(-((x-mean(x)/sd(x)))))^-1 + runif(50)
y <- ifelse(z < 1.186228, 0, 1)
data1 <- as.data.frame(cbind(y,x,m,t))
myprobit <- function (formula, data)
{
mf <- model.frame(formula, data)
y <- model.response(mf, "numeric")
X <- model.matrix(formula, data = data)
if (any(is.na(cbind(y, X))))
stop("Some data are missing.")
loglik <- function(betas, X, y, sigma) { #loglikelihood
p <- length(betas)
beta <- betas[-p]
eta <- X %*% beta
sigma <- 1 #because of identification, sigma must be equal to 1
G <- pnorm(y, mean = eta,sd=sigma)
sum( y*log(G) + (1-y)*log(1-G))
}
ls.reg <- lm(y ~ X - 1)#starting values using ols, indicating that this model already has a constant
start <- coef(ls.reg)
fit <- optim(start, loglik, X = X, y = y, control = list(fnscale = -1), method = "BFGS", hessian = TRUE) #optimizar
if (fit$convergence > 0) {
print(fit)
stop("optim failed to converge!") #verify convergence
}
return(fit)
}
myprobit(y ~ x + m + t,data = data1)
И я получаю: Error in X %*% beta : non-conformable arguments
, если я изменяю start <- coef(ls.reg)
на start <- c(coef(ls.reg), 1)
, я получаю неправильные замечания по сравнению с:
probit <- glm(y ~ x + m + t,data = data1 , family = binomial(link = "probit"))
Что такоеЯ делаю не так?Можно правильно подобрать эту модель с помощью pnorm, если нет, какой алгоритм мне следует использовать для аппроксимации де гауссовского CDF.Спасибо !!