Rのロジスティック回帰により、完全な分離が発生しました（Hauck-Donner現象）。それで？

50の連続した説明変数を使用してバイナリの結果を予測しようとしています（ほとんどの変数の範囲はから）。私のデータセットにはほぼ24,000行あります。Rで実行すると、次のようになります。$-\infty$$\infty$glm

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

完全な分離が発生している可能性があることを示唆する他の応答を読みましたが、データにはそうではないと確信しています（準完全な分離が存在する可能性がありますが、そうであるかどうかを確認するにはどうすればよいですか？） 。一部の変数を削除すると、「収束しませんでした」エラーがなくなる可能性があります。しかし、それは常に起こることではありません。

bayesglm関数で同じ変数を使用しようとすると、同じエラーが発生しました。

ここで何が起こっているのかを正確に把握するには、どのようなステップを踏むでしょうか？どの変数が問題を引き起こしているのかをどのように把握しますか？

このような大きなデザインスペース（！）を使用すると、個別に取得された変数を分離することなく、完全に分離することができます。私はこれがありそうだと言って、デビッド・J・ハリスのコメントを二度目にします。$\mathbb{R}^{50}$

設計スペースでクラスが完全に分離されているかどうかを簡単にテストできます。要するに、線形計画問題を解くことになります。この「テスト」のR実装（用語の統計的な意味でのテストではない）はsafeBinaryRegression パッケージに実装されています。

分離が実際に問題であることが判明し、glmの単純なバニラ使用にのみ関心がある場合（たとえば、glmはより高いレベルの関数によって呼び出されますが、あなたによって）、アルゴリズムのR実装があります。古典的なものをわずかに変更して、分離に対して「堅牢」にします。hlr パッケージに実装されています