在解析中出错text = paste“~”，pastenVal，collapse =“/”：<text>：2：0：在R中运行nlme包时输入意外结束

如何解决在解析中出错text = paste“~”，pastenVal，collapse =“/”：<text>：2：0：在R中运行nlme包时输入意外结束

我正在尝试使用 nlme 包将第二类分布的广义测试版拟合到模拟健康成本数据。

在测试数据集上运行以下代码：

安装包（如有必要）

install.packages("withr",dependencies = T)
library(withr)
with_makevars(c(PKG_CFLAGS ="-std=gnu99"),install.packages("cubature"),assignment="+=") 
install.packages("GB2",dependencies = T)
    install.packages("nlme",dependencies = T)

---

# load packages
library(cubature)
library(GB2)
library(nlme)

# Binary independent variables
age <- rbinom(n=1000,size=1,prob=.3)
sex <- rbinom(n=1000,prob=.5)
trmt <- rbinom(n=1000,prob=.5)

# GB2 parameter equations
shape1 <- exp(rnorm(n=1000,mean=.1 + age/100 - sex/10 + trmt/10,sd=.3))
scale <- exp(rnorm(n=1000,mean=7 + age/50 + sex - trmt,sd=.5))
shape2 <- exp(rnorm(n=1000,mean=1.5 + age/100 + sex/10 - trmt/10,sd=.3))
shape3 <- exp(rnorm(n=1000,mean=.5 + age/100 - sex/10 - trmt/10,sd=.3))

# Outcome
y <- rgb2(1000,shape1,scale,shape2,shape3)

# Create test dataset
df <- data.frame(cbind(y,age,sex,trmt,shape3))

# Fit GB2 distribution to data
gb2_fit <- nlme(y ~ scale*beta(shape2 + 1/shape1,shape3 - 1/shape1)/beta(shape2,shape3),# data = list(y=df_gb2_test[,1]),data = df,fixed = list(shape1 ~ age + sex + trmt,scale ~ age + sex + trmt,shape2 ~ age + sex + trmt,shape3 ~ age + sex + trmt),start = list(fixed = c(shape1 = 1.00,scale = 100,shape2 = 1.00,shape3 = 1.00)))

我收到错误：

Error in parse(text = paste("~",paste(nVal,collapse = "/"))) : 
  <text>:2:0: unexpected end of input
1: ~ 
   ^

知道我做错了什么吗？我似乎正确使用波浪号运算符。

解决方法

我认为 nlme 并没有按照您的想法行事。它做非线性最小二乘 混合模型；即，假设响应为高斯响应，并且假设存在随机效应（也许您将此与更通用的 SAS PROC NLMIXED 混淆？

library(bbmle)

## we need a version of the density function that takes a 'log' argument
dgb2B <- function(...,log=FALSE) {
  r <- GB2::dgb2(...)
  if (!log) r else log(r)
}

## don't include shape1,scale shape2,shape3 in the data,that confuses things
df2 <- df[,c("y","age","sex","trmt")]


## fit homogeneous model
m1 <- mle2(y ~ dgb2B(shape1,scale,shape2,shape3),method="Nelder-Mead",trace=TRUE,data=df2,start = list(shape1 = 1.00,scale = 100,shape2 = 1.00,shape3 = 1.00))

## allow parameters to vary by group 
mle2(y ~ dgb2B(shape1,## parameters need to be in the same order!
     parameters=list(shape1 ~ age + sex + trmt,scale ~ age + sex + trmt,shape2 ~ age + sex + trmt,shape3 ~ age + sex + trmt),control=list(maxit=10000,## set parameter scales equal to magnitude
                  ## of starting values; each top-level parameter
                  ## has 4 associated values (intercept,+ 3 cov effects)
                  parscale=rep(abs(coef(m1)),each=4)),start = as.list(coef(m1))
)

就其价值而言，对于此示例，您可以通过将八个单独的模型拟合到所有年龄 × 性别 × 治疗组来实现相同的目标（但我可以理解您的实际应用程序可能更复杂，即您可能只需要希望参数的子集在不同组之间变化，或者可能希望允许参数根据连续协变量而变化。

如果您要尝试更难的问题，您可能需要在对数刻度上拟合参数。

,

之前也发生了一个错误：

y <- rgb2(1,shape1,shape3)
Error in rgb2(1,shape3) : 
  could not find function "rgb2"

您可能需要为此加载所需的包：

https://www.rdocumentation.org/packages/gamlss.dist/versions/5.3-2/topics/GB2

它似乎在 library(gamlss.dist)