Questions tagged «gamlss»

接下来是我对OLS的提问，我想知道：对于分位数回归，存在哪些诊断图？（并且它们有R实现吗？） 谷歌快速搜索已经找到了蠕虫图（我以前从未听说过），并且很高兴知道您可能知道的更多方法。（其中有一个来自OLS移植用于分位数回归吗？）

25 r  regression  diagnostic  quantile-regression  gamlss 

我想拟合一个线性模型（lm），其中残差方差显然取决于解释变量。 我知道的方法是将glm与Gamma族一起使用，对方差建模，然后将其逆值放入lm函数的权重中（例如：http : //nitro.biosci.arizona.edu/r/chapter31 .pdf） 我在想： 这是唯一的技术吗？ 还有哪些其他相关方法？ 哪些R包/功能与此类建模相关？（其他然后是glm，lm）

22 r  generalized-linear-model  linear-model  heteroscedasticity  gamlss 

我正在为某些数据建模，但是我不确定我可以使用哪种类型的模型。我有计数数据，我想要一个模型，该模型将给出数据均值和方差的参数估计。也就是说，我有各种预测因素，我想确定是否有任何因素会影响方差（而不仅仅是组均值）。 我知道泊松回归将不起作用，因为方差等于均值。这个假设对我而言无效，因此我知道存在过度分散的情况。但是，负二项式模型只会生成一个过分散参数，而不会作为模型中预测变量的函数。什么模型可以做到这一点？ 另外，将赞赏对讨论模型的书或论文的参考和/或实现模型的R包。

12 variance  modeling  count-data  overdispersion  gamlss 

我正在尝试为R中的连续响应变量运行零膨胀回归。不幸的是，代码位于SAS中，我不确定如何为nlme之类的代码重新编写代码。 代码如下： proc nlmixed data=mydata; parms b0_f=0 b1_f=0 b0_h=0 b1_h=0 log_theta=0; eta_f = b0_f + b1_f*x1 ; p_yEQ0 = 1 / (1 + exp(-eta_f)); eta_h = b0_h + b1_h*x1; mu = exp(eta_h); theta = exp(log_theta); r = mu/theta; if y=0 then ll = log(p_yEQ0); else ll = log(1 - p_yEQ0) …

11 r  sas  gamlss 

我正在使用R包gamlss运行基于GAM的回归，并假设数据的beta分布为零。我只有一个解释变量在我的模型，所以它基本上是：mymodel = gamlss(response ~ input, family=BEZI)。 该算法给了我系数 ķkk 对于解释变量对平均值的影响（μμ\mu）和相关的p值 k （输入）= 0k(input)=0k(\text{input})=0， 就像是： Mu link function: logit Mu Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -2.58051 0.03766 -68.521 0.000e+00 input -0.09134 0.01683 -5.428 6.118e-08 如上例所示， k （输入）= 0k(input)=0k(\text{input})=0 被高信心地拒绝了。 然后，我运行空模型：null = gamlss(response ~ 1, family=BEZI)并使用似然比检验比较似然： p=1-pchisq(-2*(logLik(null)[1]-logLik(mymodel)[1]), df(mymodel)-df(null)). 在很多情况下，我得到 p …

10 nonlinear-regression  gamlss  machine-learning  svm 

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 

假设我拟合了二项式回归并获得了点估计和回归系数的方差-协方差矩阵。这样一来，我就可以为将来的实验的预期成功比例获得CI ，但是我需要为观察到的比例获得CI。已经发布了一些相关的答案，包括模拟（假设我不想这样做）和指向Krishnamoorthya等人的链接（并不能完全回答我的问题）。ppp 我的推理如下：如果仅使用二项式模型，则不得不假定是从正态分布中采样的（具有相应的Wald CI），因此不可能以封闭形式获得观察比例的CI。如果我们假设p是从beta分布中采样的，那么事情就容易多了，因为成功次数将遵循Beta-Binomial分布。我们将不得不假设估计的beta参数α和β没有不确定性ppppppαα\alphaββ\beta。 有三个问题： 1）理论上：仅使用beta参数的点估计值可以吗？我知道在多元线性回归中构造CI以便将来观察 ÿ= x′β+ ε ，ε 〜Ñ（0 ，σ2）ÿ=X′β+ϵ，ϵ〜ñ（0，σ2）Y = x'\beta + \epsilon, \epsilon \sim N(0, \sigma^2) 他们这样做的WRT误差项方差，。我把它（如果我错了纠正我）的理由是，在实践中σ 2估计比回归系数远远更高的精度，我们不会得到太多的试图将不确定性σ 2。类似的理由适用于估计的beta参数α和β吗？σ2σ2\sigma^2σ2σ2\sigma^2σ2σ2\sigma^2αα\alphaββ\beta 2）哪种软件包更好（R：gamlss-bb，betareg，odd ？；我也可以使用SAS）。 3）给定估计的beta参数，是否有（近似）捷径来获得未来成功计数的分位数（2.5％，97.5％），或者更好的是，根据Beta-Binomial分布获得未来成功的比例。

9 confidence-interval  binomial  beta-binomial  beta-regression  gamlss