R의 로지스틱 회귀는 완벽한 분리 (Hauck-Donner 현상)를 초래했습니다. 이제 뭐?

50 개의 연속 설명 변수를 사용하여 이진 결과를 예측하려고합니다 (대부분의 변수 범위는 ~ ). 내 데이터 세트에는 거의 24,000 개의 행이 있습니다. 내가 실행하면 R에, 내가 얻을 :$-\infty$$\infty$glm

Warning messages:  
1: glm.fit: algorithm did not converge  
2: glm.fit: fitted probabilities numerically 0 or 1 occurred 

완벽한 분리가 발생할 수 있음을 암시하는 다른 응답을 읽었지만 내 데이터에는 그렇지 않다고 확신합니다. . 일부 변수를 제거하면 "수렴하지 않았습니다"오류가 사라질 수 있습니다. 그러나 항상 그런 것은 아닙니다.

bayesglm함수 에서 동일한 변수를 사용하려고 시도했지만 동일한 오류가 발생했습니다.

여기서 무슨 일이 일어나고 있는지 정확히 파악하기 위해 어떤 단계를 수행 하시겠습니까? 어떤 변수가 문제를 일으키는 지 어떻게 알 수 있습니까?

이러한 넓은 설계 공간 ( !)을 사용하면 변수를 개별적으로 분리하지 않고도 완벽한 분리를 얻을 수 있습니다. 나는 이것이 가능하다고 말하는 David J. Harris의 의견을 두 번째로 말하기를 원합니다.$\mathbb{R}^{50}$

디자인 공간에서 클래스가 완벽하게 분리되어 있는지 쉽게 테스트 할 수 있습니다. 이것은 선형 프로그래밍 문제를 해결하는 것으로 요약됩니다. 이 '테스트'의 R 구현 (통계적 의미에서 테스트가 아님)은 safeBinaryRegression 패키지에 구현되어 있습니다.

분리가 실제로 문제인 것으로 판명되고 glm의 일반 바닐라 사용에만 관심이있는 경우 (예 : glm은 상위 레벨 기능이 아니라 사용자가 호출 함) 알고리즘의 R 구현이 있습니다. 고전적인 것을 약간 수정하여 분리에 대해 '견고하게'만듭니다. 그것은 hlr 패키지로 구현 됩니다