Adina
Reputation: 11
Problem with fitting glm.nb : Error in glm.fitter, NA/NaN/Inf in 'x'
I have problems fitting a glm.nb model.
model <- glm.nb(y ~ temp + perc + width + water , data = df)
I'm getting the following error.
Error in glm.fitter(x = X, y = Y, w = w, etastart = eta, offset = offset, : NA/NaN/Inf in 'x'
If I remove any of the predictors the model works fine. The same goes if I exchange one of the predictors for any other data. It seems like it is just this exact combination of predictors that does not work. I've included my full data used in the model in the code below so the problem should be reproducible.
data <- read.table( text=
" width water temp perc y
95 Ja 10 0 30
210 Ja 10 0 49
150 Ja 18 0 0
240 Ja 16.3 0 1035
80 Ja 16.3 0 0
140 Ja 16.3 0 4
165 Ja 16.3 0 25
140 Ja 16.3 0 1
150 Ja 12.3 0 0
150 Ja 12.3 0 0
80 Ja 12.3 0 0
90 Ja 11.3 0 1
80 Ja 11.3 0 0
77 Nej 11.6 0 0
220 Ja 11.6 0 117
150 Ja 9.9 0 20
130 Ja 11.6 0 0
170 Nej 11.6 0 0
170 Nej 11.6 0 20
120 Ja 10.9 0 0
110 Ja 12.5 0 0
100 Ja 14 0 0
200 Ja 14.8 0 0
120 Nej 14.5 0 0
120 Ja 14.5 0 4
150 Ja 14.5 0 4
170 Nej 17.9 0 1
130 Ja 13.2 0 0
90 Ja 13.2 0 1
110 Ja 13.2 0 1
110 Ja 13.2 0 0
150 Ja 13.2 1.1 0
120 Ja 13.2 1.1 0
130 Ja 13.2 1.1 0
160 Ja 13.2 1.1 0
140 Ja 13.2 1.1 0
190 Ja 8.2 0 0
160 Ja 8.2 0 0
200 Ja 9.3 0 0
100 Ja 9.3 0 0
100 Nej 9.2 0 100
150 Ja 9.2 0 18
100 Ja 10.3 0 6
80 Ja 9.2 0 0
180 Ja 9.2 0 0
180 Nej 11.6 0 0
130 Ja 11.6 0 14
90 Ja 11.6 0 0
130 Ja 10.7 0 4
130 Ja 10.7 0 1
115 Ja 11.6 0 1
180 Ja 11.6 0 0
160 Nej 10.7 0 0
90 Nej 11.6 0 0
125 Ja 12.5 0 0
125 Nej 12.5 0 0
200 Ja 12.5 0 1
110 Nej 12.5 0 4
130 Ja 12.5 0 0
110 Ja 12.5 0 19
130 Nej 12.5 0 1
170 Ja 12.5 0 0
110 Ja 16.2 0 0
130 Ja 16.2 0 0
130 Ja 16.2 0 7
110 Nej 16.2 0 1
110 Nej 16.2 0 11
100 Nej 16.2 0 0
110 Ja 16.2 0 50
120 Ja 16.2 0 0
130 Ja 16.2 0 11
130 Ja 15.7 0 328
190 Ja 15.7 0 130
100 Ja 16.2 0 1
110 Ja 10 0 8
115 Ja 10 0 0
210 Ja 10 0 0
190 Ja 10 0 308
140 Ja 10 0 0
180 Ja 10 0 90
200 Ja 10 0 19
140 Nej 12.5 0 0
130 Ja 12.5 0 0
155 Ja 16.4 0 0
150 Nej 16.4 0 14
160 Ja 16.3 0 0
100 Ja 16.3 0 14
90 Ja 16.3 0 0
95 Ja 16.3 0 0
90 Ja 12.3 0 0
95 Ja 12.3 0 89
90 Ja 12.3 0 1
90 Ja 11.3 0 4
190 Ja 11.3 0 7
200 Nej 8.3 0.3 0
180 Nej 8.3 0.3 14
180 Nej 11.1 0.3 5
200 Nej 11.1 0.3 0
160 Ja 10 0 0
180 Ja 10 0 32
180 Ja 10 0 54
60 Nej 8.3 0.6 0
190 Nej 8.3 0.3 0
192 Nej 8.3 0.3 46
193 Ja 8.3 0.3 0
134 Ja 8.3 0.3 79
133 Ja 8.3 0.3 0
100 Nej 8.3 0.3 2
180 Ja 10.7 0.3 4
180 Ja 9.7 0.3 0
200 Nej 9 0.1 1
100 Ja 9.4 0 0
200 Ja 11.7 0.1 5
180 Ja 11.7 0 0
130 Ja 12.6 0 1
197 Ja 11.7 0 29
180 Ja 9 0 3
150 Ja 9 0 3
95 Ja 9 0 0
90 Ja 9 0 0
180 Ja 9 0 0
160 Ja 11.9 0 1
190 Nej 11.1 0 1
120 Ja 11.2 0 0
80 Ja 11.2 0 0
210 Ja 11.9 0 63
180 Ja 11.9 0 1
120 Ja 11.9 0 1
130 Ja 11.9 0 1
118 Nej 12.8 0 5
140 Ja 12.8 0 0
170 Nej 12.4 0 0
200 Ja 12.4 0 11
120 Ja 12.4 0 0
180 Ja 11.8 0 0
100 Ja 11.8 0 0
100 Ja 12.1 0 0
90 Ja 12.1 0 1
120 Ja 12.1 0 1
370 Ja 10.5 0 3
190 Ja 9.1 0 9
120 Nej 9.1 0 2
130 Ja 11.4 0 0
175 Nej 9.8 0 0
180 Nej 9.8 0 2
190 Ja 9.8 0 14
100 Ja 9.8 0 0
110 Ja 9.8 0 0
160 Ja 11.3 0 8
160 Ja 6.5 0 18
100 Ja 11.3 0 8
120 Ja 11.3 0 45
100 Nej 11.3 0 0
130 Nej 11.3 0 0
120 Ja 11.3 0 0
120 Ja 11.3 0 88
150 Ja 8.2 0 3
176 Nej 8.2 0 5
140 Ja 8.2 0 6
115 Ja 8.2 0 12
300 Ja 10.9 0 39
120 Ja 10.9 0 0
130 Nej 10 0 0
119 Ja 9.8 0 19
100 Ja 16 0 0
155 Nej 12.5 0 0
150 Ja 12.5 0 39
180 Ja 14.8 2.6 0
120 Ja 15.3 0 0
180 Ja 15.3 0 0
110 Ja 14 1.8 0
200 Ja 14 1.8 2
180 Nej 14 1.8 15
180 Ja 15.1 1.8 0
130 Ja 13.6 0 0
120 Ja 13.1 0 10
160 Ja 13.1 0 5
80 Ja 13.6 0 0
130 Ja 14.5 0.8 0
100 Nej 14.5 0.8 0
180 Ja 15 0.8 0
200 Ja 15 0.8 338
160 Ja 15 0.8 0
130 Ja 14.5 0.8 0
190 Nej 14 1.6 4
180 Ja 14 1.6 1
200 Ja 14 1.6 0
200 Ja 14 1.6 70
140 Ja 15.2 0.1 0
140 Ja 15.2 0.1 3
90 Ja 15.2 0.1 0
200 Nej 12.9 2.4 0
160 Ja 13.1 0 1
150 Ja 13.1 0 0
100 Nej 13.1 0 13
100 Ja 13.1 0 0
180 Ja 13.1 0 1
180 Ja 13.1 0 1
180 Ja 11.6 0 0
200 Nej 11.6 0 0
180 Nej 11.6 0 2
100 Ja 12.3 0 0
130 Ja 11.2 0 0
200 Ja 12.4 0.3 0
130 Ja 12.4 0.3 0
100 Ja 10.6 0 2
150 Ja 10.9 0 0
100 Ja 10.9 0 0
180 Ja 10.9 0 42
150 Ja 10.9 0 0
150 Ja 10.9 0 0
200 Nej 10.5 0 0
220 Ja 10.5 0 0
90 Ja 10.5 0 0
110 Ja 10.5 0 1
100 Ja 12 0 0
150 Nej 13 0 0
200 Ja 13 0 0
200 Nej 13 0 0
200 Nej 12.5 0 4
100 Ja 10.6 0 0
150 Ja 10.6 0 8
170 Ja 10.6 0 0
200 Nej 12.5 0 4
200 Ja 12.5 0 11
200 Ja 12.5 0 36
140 Ja 12.5 0 8
140 Ja 12.5 0 0
200 Ja 12.5 0 1
120 Ja 12.5 0 0
100 Nej 14.4 9.1 0
193 Ja 14.4 9.1 24
160 Nej 15.8 4.9 8
130 Ja 15.8 4.9 0
110 Ja 15.8 4.9 0
100 Ja 15.8 9.1 0
140 Ja 15.6 4.9 12
180 Ja 15.6 4.9 19
200 Nej 15.6 4.9 0
190 Ja 15.6 9.1 20
120 Ja 15.8 9.3 0
160 Ja 15.9 9.3 5
120 Ja 15.5 9.3 0
130 Ja 12.4 0 4
90 Nej 12.4 0 0
120 Ja 12.9 0 0
200 Ja 12.9 0 2
90 Nej 12.9 0 0
90 Ja 12.9 0 0
200 Ja 12.4 0 411
140 Ja 12.4 0 0
320 Nej 12.4 0 0
200 Nej 12.4 0 3
140 Ja 14 0 0
200 Ja 15.5 0 3
150 Ja 14.1 0.2 0
90 Ja 13.3 1.1 0
180 Ja 15.5 1.1 0
130 Ja 11.7 0 0
240 Ja 11.7 0 0
200 Nej 14.2 0 0
160 Ja 14.2 0 0
160 Ja 12.9 0 7
100 Ja 14.5 0 0
190 Nej 14.5 0 0
120 Ja 14.5 0 28
110 Ja 14.5 0 0
120 Ja 14.5 0 0
100 Ja 12.9 0 0
210 Nej 12.9 0 36
110 Ja 12.9 0 0
200 Ja 12.9 0 32
100 Ja 12 0 40
180 Nej 12 0 0
190 Ja 12 0 20
140 Ja 10.3 0 0
140 Ja 10.3 0 27
160 Ja 10.3 0 9, header=TRUE )
model <- glm.nb(y ~ temp + perc + width + water , data = df)
Error in glm.fitter(x = X, y = Y, w = w, etastart = eta, offset = offset, :
NA/NaN/Inf in 'x'
All of my variables are independent from each other.
If I instead use a glm, family= poisson model, it works fine. (except that the model fit is really bad which is why I need to use a negative binomial regression)
l've already read all the pre-existing questions on this topic that I could find, but I still did not manage to figure out what's causing the error or how I can fix it.
Upvotes: 1
Views: 222
Answers (0)
Related Questions
- Highlight a single data point in a bubble plot
- Changing X and Y variable for linear regression
- Multiplying columns from different dataframes with different lengths and two conditions in R
- Apply Plyfit Function to find the slope for each dataframe column
- x axis tick mark labels of different length starting at same position
- Time series in R- Aligning data with different time stamp