solve.default(oout$hessian) 中的错误：Lapack 例程 dgesv：系统完全是奇异的：U[1,1] = 0

如何解决solve.default(oout$hessian) 中的错误：Lapack 例程 dgesv：系统完全是奇异的：U[1,1] = 0

我正在使用最大似然法来估计一组参数。现在，我将使用 R 中 mle 包中的 stats4 函数为其中一个参数生成配置文件可能性。为此，我需要在调用 mle 函数时修复其中一个参数。代码如下：

fr <- function(x1,x2,x3) {   
  100 * (x2 - x1 * x1)^2 + (1 - x1)^2 + x3
}

out <- mle(fr,start = list(x1=1,x2=2,x3=3),method="Nelder-Mead",control=list(trace=4),fixed = list(x2=1))

我收到此错误：

solve.default(oout$hessian) 中的错误： Lapack 例程 dgesv：系统完全是奇异的：U[1,1] = 0

如果我不使用 fixed 选项，则不会出现此错误，但结果不是配置文件可能性。你能告诉我如何解决这个问题吗？

解决方法

tl;dr 我不确定你的目标函数是否有意义，我猜你有错别字。 （此外，如果您的目标函数使用 mle，则无需显式设置 fixed：profile 方法会自动为您计算似然分布...）>

---

让我们从完整模型开始，让我们使用 optim() 而不是 stats4::mle()（我知道您想回到 mle 以便您可以进行可能性分析，但这是一个调试 optim() 问题稍微容易一点，因为要挖掘的代码层少了。）

因为 optim() 想要一个接受向量而不是参数列表的目标函数，所以编写一个包装器（我们也可以使用 do.call(fr,as.list(p))）：

fr0 <- function(p) {
  fr(x1=p[1],x2=p[2],x3=p[3])
}
opt1 <- optim(fn=fr0,par=c(1,2,3),method="Nelder-Mead")

结果：

$par
[1]    28.51486   812.09978 -7095.39630

$value
[1] -6238.881

$counts
function gradient 
     502       NA 

$convergence
[1] 1

请注意，x[3] 的值是强负值，目标函数值也是如此，并且收敛代码非零：特别意味着（来自 ?optim ):

‘1’表示已达到迭代限制‘maxit’。

如果我们设置control=list(maxit=2000)并再次尝试x3并且目标函数变得更小并且收敛码仍然为1！

然后我们更仔细地查看目标函数并注意到它到达 -Inf 为 x3 → Inf，所以我们永远不会到达回答。 （大概在某个时候我们会遇到一个浮点问题，但 1000 万次迭代只能让我们达到 -1e17 ...）

如果我在您的函数中将 x3 更改为 x3^2，一切似乎都正常……也许这就是您的意图……???