机器算法验证 - 无法在 R 中拟合负二项式回归（试图复制已发布的结果） - 吾爱随笔录

试图复制最近发表的文章的结果，

Aghion、Philippe、John Van Reenen 和 Luigi Zingales。2013.“创新和制度所有权”。美国经济评论，103（1）：277-304。

（数据和 stata 代码可在http://www.aeaweb.org/aer/data/feb2013/20100973_data.zip获得）。

在 R 中重新创建前 5 个回归（使用 OLS 和泊松方法）没有问题，但我根本无法在 R 中重新创建它们的负二项式回归结果，而在 stata 中回归工作正常。

具体来说，这是我编写的 R 代码，它无法对数据进行负二项式回归：

library(foreign)
library(MASS)
data.AVRZ <- read.dta("results_data2011.dta",
                  convert.underscore=TRUE)
sicDummies <- grep("Isic4", names(data.AVRZ), value=TRUE)
yearDummies <- grep("Iyear", names(data.AVRZ), value=TRUE)
data.column.6 <- subset(data.AVRZ, select = c("cites",
                                 "instit.percown",
                                 "lk.l",
                                 "lsal",
                                 sicDummies,
                                 yearDummies))
data.column.6 <- na.omit(data.column.6)

glm.nb(cites ~ .,
   data = data.column.6,
   link = log,
   control=glm.control(trace=10,maxit=100))

在 R 中运行上述内容，我得到以下输出：

Initial fit:
Deviance = 1137144 Iterations - 1 
Deviance = 775272.3 Iterations - 2 
Deviance = 725150.7 Iterations - 3 
Deviance = 722911.3 Iterations - 4 
Deviance = 722883.9 Iterations - 5 
Deviance = 722883.3 Iterations - 6 
Deviance = 722883.3 Iterations - 7 
theta.ml: iter 0 'theta = 0.000040'
theta.ml: iter1 theta =7.99248e-05
Initial value for 'theta': 0.000080
Deviance = 24931694 Iterations - 1 
Deviance = NaN Iterations - 2 
Step halved: new deviance = 491946.5 
Error in glm.fitter(x = X, y = Y, w = w, etastart = eta, offset = offset,  : 
NA/NaN/Inf in 'x'
In addition: Warning message:
step size truncated due to divergence

已经尝试使用许多不同的 theta 初始值，以及在没有运气的情况下改变最大迭代次数。作者提供的 stata 代码工作正常，但我似乎仍然无法强迫 R 使模型工作。glm.nb() 是否有替代拟合方法可能对我遇到的问题更稳健？