0

有人问过这个问题的一个变体，但某些项目仍未得到回答 -

我正在使用单个连续预测变量即温度 (Temp) 对死亡率 (Prop) 的比例进行建模。我有三个问题。

1.) 我应该使用 meanBEINF 来预测模型的响应估计吗？如果是这样，我将如何提取相关的标准错误？您认为我目前指定的方式会给您响应估计，但是，运行 predict(beinf_mod, type = "response", what = "mu") 会产生相同的结果，这让我产生了疑问。

2.）如果我对预测变量系数（包含在 mu 参数中）求幂，这是否给了我 (0,1) 之间的几率？nu 和 tau 目前没有预测变量系数，所以我不确定是否要使用这些系数来获得整个域 [0,1] 的几率。

3.) 在这种情况下，我对赔率的解释是否正确？我熟悉常规的 beta 回归或逻辑模型，但是，问题 2 中的不确定性让我怀疑这是否合适。

提前感谢您的帮助，非常感谢。

# generate DB
DB <- data.frame(Prop = c(0.688888889, 0.519230769, 0.378294574, 0.253644315, 0.234200744, 0.156626506,
              0.191011236, 0.0625, 0.064516129, 0, 0, 0),
         Temp = c(62.90857143, 62.75428571, 60.05428571, 60.23428571, 59.64285714, 57.94571429,
              57.71428571, 57.14857143, 54.39714286, 51.87714286, 50.38571429, 49.1))

# beta inflated model. I understand na.omit works on the data, and that na.exclude is not really useful. 
# I removed the NA's for this reproduction of the problem
beinf_mod <- gamlss(Prop ~ cs(Temp),
family=BEINF,data=na.omit(DB),na.action=na.exclude)

# obtain predictions for the estimated/expected value of y
predict(beinf_mod, type="response", se.fit=TRUE)

# get the odds of the explanatory variable. exponentiation gets us 1.47, 
# so a one unit increase in temperature results in a 47% increase in the odds of mortality within the domain (0,1)
exp(coef(beinf_mod)[2])
4

1 回答 1

0

请允许我回答我自己的问题

1.) 是的，meanBEINF 提供了估计的响应值，而自举会给你带来错误。2.) 是的。Nu 和 Tau 无法计算，因为只能计算 mu 参数 (0,1) 的几率，因为无法计算 0 和 1 的几率。如果几率为 1，几率为 0，则不能除以 0任何其他概率的概率为 0。 3.) 是的。

于 2021-06-25T16:34:37.567 回答