Perché sto ricevendo gli avvisi "algoritmo non converge" e "corretti num numericamente 0 o 1" con glm?

Question

Quindi questa è una domanda molto semplice, non riesco proprio a capirlo.

Sto eseguendo un logit utilizzando la funzione glm, ma continuo a ricevere messaggi di avviso relativi alla variabile indipendente. Sono memorizzati come fattori e li ho trasformati in numerici, ma non ho avuto fortuna. Li ho anche codificati su 0/1 ma non ha funzionato.

Si prega di aiuto!

> mod2 <- glm(winorlose1 ~ bid1, family="binomial") 
Warning messages: 
1: glm.fit: algorithm did not converge 
2: glm.fit: fitted probabilities numerically 0 or 1 occurred 

Ho anche provato a Zelig, ma l'errore simile:

> mod2 = zelig(factor(winorlose1) ~ bid1, data=dat, model="logit") 
How to cite this model in Zelig: 
Kosuke Imai, Gary King, and Oliva Lau. 2008. "logit: Logistic Regression for Dichotomous Dependent Variables" in Kosuke Imai, Gary King, and Olivia Lau, "Zelig: Everyone's Statistical Software," http://gking.harvard.edu/zelig 
Warning messages: 
1: glm.fit: algorithm did not converge 
2: glm.fit: fitted probabilities numerically 0 or 1 occurred 

EDIT:

> str(dat) 
'data.frame': 3493 obs. of 3 variables: 
$ winorlose1: int 2 2 2 2 2 2 2 2 2 2 ... 
$ bid1  : int 700 300 700 300 500 300 300 700 300 300 ... 
$ home  : int 1 0 1 0 0 0 0 1 0 0 ... 
- attr(*, "na.action")=Class 'omit' Named int [1:63021] 3494 3495 3496 3497 3498 3499 3500 3501 3502 3503 ... 
    .. ..- attr(*, "names")= chr [1:63021] "3494" "3495" "3496" "3497" ... 

Answer 1

Se si guarda alla ?glm (o anche fare una ricerca su Google per la tua seconda ammonizione messaggio) si può imbattersi in questo dalla documentazione:

For the background to warning messages about ‘fitted probabilities numerically 0 or 1 occurred’ for binomial GLMs, see Venables & Ripley (2002, pp. 197–8).

Ora, non tutti hanno quel libro. Ma ammesso che sia kosher per me fare questo, ecco il passaggio rilevante:

There is one fairly common circumstance in which both convergence problems and the Hauck-Donner phenomenon can occur. This is when the fitted probabilities are extremely close to zero or one. Consider a medical diagnosis problem with thousands of cases and around 50 binary explanatory variable (which may arise from coding fewer categorical variables); one of these indicators is rarely true but always indicates that the disease is present. Then the fitted probabilities of cases with that indicator should be one, which can only be achieved by taking β_i = ∞. The result from glm will be warnings and an estimated coefficient of around +/- 10. There has been fairly extensive discussion of this in the statistical literature, usually claiming non-existence of maximum likelihood estimates; see Sautner and Duffy (1989, p. 234).

Uno di questo libro ha commentato in un po 'più in dettaglio here gli autori. Quindi la lezione qui è di guardare attentamente uno dei livelli del predittore. (E Google il messaggio di avviso!)