Questions tagged «dglm»

我目前在理解R语法以使用Gamma分布拟合GLM时遇到问题。 我有一组数据，其中每行包含3个协变量（），响应变量（）和形状参数（）。我想将Gamma分布的比例建模为3个协变量的线性函数，但是我不了解如何为每行数据将分布的形状设置为 ÿ ķ ķX1,X2,X3X1,X2,X3X_1, X_2, X_3YYYKKKKKK 我认为类似的情况是，对于二项式分布，GLM要求知道每个数据条目的试验次数（）。NNN

14 r  generalized-linear-model  gamma-distribution  dglm 

我正在尝试模拟与我拥有的经验数据匹配的数据集，但是不确定如何估算原始数据中的错误。经验数据包括异方差性，但是我不希望将其转换掉，而是使用带有误差项的线性模型来再现经验数据的模拟。 例如，假设我有一些经验数据集和一个模型： n=rep(1:100,2) a=0 b = 1 sigma2 = n^1.3 eps = rnorm(n,mean=0,sd=sqrt(sigma2)) y=a+b*n + eps mod <- lm(y ~ n) 使用plot(n,y)我们得到以下内容。 但是，如果尝试模拟数据simulate(mod)，则异方差性将被删除并且不会被模型捕获。 我可以使用广义最小二乘法模型 VMat <- varFixed(~n) mod2 = gls(y ~ n, weights = VMat) 可以基于AIC提供更好的模型拟合，但是我不知道如何使用输出来模拟数据。 我的问题是，如何创建一个模型，使我能够模拟数据以匹配原始的经验数据（上述n和y）。具体来说，我需要一种使用模型来估算sigma2的方法吗？

9 r  simulation  heteroscedasticity  gamlss  dglm 

我从以下实验设计中获得了数据：我的观察结果是对K相应治疗次数（）中成功次数（）的计数，对N两组分别由I个体组成的两组进行了测量，这些结果来自T治疗，其中每个这样的因子组合中都有R重复项。因此，共我有2 * I * T * R ķ的和对应Ñ的。 数据来自生物学。每个人都是一个基因，我通过它测量两种替代形式的表达水平（由于一种称为替代剪接的现象）。因此，K是其中一种形式的表达水平，而N是这两种形式的表达水平的总和。在一个单一的表达拷贝的两种形式之间的选择被假定为一个伯努利试验，因此ķ出Ñ副本遵循二项式。每个组由约20个不同的基因组成，并且每个组中的基因具有某些共同的功能，这在两组之间是不同的。对于每组中的每个基因，我从三个不同的组织（治疗）中分别进行了约30次这样的测量。我想估计组和治疗对K / N方差的影响。 已知基因表达过度分散，因此在下面的代码中使用负二项式。 例如，R模拟数据的代码： library(MASS) set.seed(1) I = 20 # individuals in each group G = 2 # groups T = 3 # treatments R = 30 # replicates of each individual, in each group, in each treatment groups = letters[1:G] …

9 r  generalized-linear-model  heteroscedasticity  log-linear  dglm