如何在R中的glm族参数中指定对数正态分布？

一个简单的问题：如何在R中的GLM系列参数中指定对数正态分布？我找不到如何实现的目标。为什么对数正态（或指数）不是family参数中的选项？

我读到R存档中的某个地方，只需指定GLM中设置为高斯的族的对数链接，即可指定对数正态。但是，这是无稽之谈，因为这将适合非线性回归并且R开始要求起始值。

有人知道如何为GLM设置对数正态（或指数）分布吗？

该gamlss包允许您以适应这两个对数正态分布和指数分布，和一堆别人的广义相加模型，其中一些品种在链接功能和使用，如果你愿意的话，基于惩罚样条半或者非参数模型。它已经发表了一些有关所使用的算法的论文，以及与我链接到的站点相关的文档和示例。

关于将指数模型拟合为glm：当使用glmfamily = Gamma 的函数时，还需要使用的支持工具summary.glm才能将色散参数固定为1：

?summary.glm
fit <- glm(formula =..., family = Gamma)
summary(fit,dispersion=1) 

正如我要指出的那样，但jbowman击败了我，“ gamlss”软件包提供了对数正态拟合：

help(dLOGNO, package=gamlss.dist)

对数正态分布不是一种选择，因为对数正态分布不在指数分布族中。广义线性模型只能拟合指数族的分布。

我不太清楚为什么指数是不是一种选择，因为指数分布是指数分布族（如你可能希望如此）。我熟悉的其他统计软件允许将指数分布作为GLM拟合，方法是将其视为Gamma分布的特例，其形状（aka标度或色散）参数固定为1，而不是估计值。但是，我看不到使用R glm()函数修复此参数的方法。一种替代方法是survreg()将survival软件包中的函数与一起使用dist="exponential"。

$y$$\log(y)$$\operatorname{E}(\log(Y)) \ne \log(\operatorname{E}(Y)).$

拟合对数正态GLM与功能的分布或链接选项无关glm()。从这个意义上讲，术语“对数正态”相当混乱，但是它意味着响应变量是正态分布的（family = gaussian），并且通过以下方式对该变量进行了转换：

log.glm <- glm(log(y)~x, family=gaussian, data=my.dat)

但是，在将此对数正态glm与使用不同分布（例如gamma）的其他glms进行比较时，应更正AIC（）函数。在这种情况下，有人会知道这些错误的AIC（）的替代方法吗？

尝试使用以下命令：

log.glm = glm(y ~ x, family=gaussian(link="log"), data=my.dat)

它在这里有效，AIC似乎是正确的。