问题标签 [betareg]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - 使用 betareg 时出现“由 optim 提供的非有限值”错误
我正在使用betareg包进行 beta 回归,但收到以下错误:
optim 中的错误(par = start,fn = loglikfun,gr = gradfun,method = method,:由 optim 提供的非有限值
我可以将此错误追溯到为optim
. 具体来说,这些行betareg.fit
用于lm.wfit
生成起始值。
事实证明,我的数据集返回了一个起始值NA
。我不确定为什么会这样,因为数据/输入中没有缺失值lm.wfit
。
查看 NA 的可重现示例
内部betareg
:导致问题的 NA
我最初认为这可能与使用betareg
(3.1-0) 的 CRAN 版本有关。但是我通过更新到rforge
版本(3.2-0)devtools::install_github("rforge/betareg/pkg")
仍然有同样的问题。
如果我从我的公式中删除有问题的预测器,betareg
运行良好;但是,预测器是必要的。
r - 如何在 r 中使用一个连续预测器和一个因子预测器绘制回归曲面?
尝试对一个连续预测变量和一个因子预测变量进行一些回归。
下面的代码在使用 abline 时有效(但收到一条警告消息:在 abline(models[[i]], col = labelColors[i], lty = 2:4) 中:仅使用 3 个回归系数中的前两个)) ,并为 logit 和 loglog 模型绘制了一堆线。
我怎样才能绘制这个表面或以某种方式伪造它?
r - 如何找到 betareg 包接受的最小浮点值?
我在 R 中进行beta 回归,它需要 0 到 1 之间的值,排除端点,即 (0,1) 而不是 [0,1]。
我的数据集中有一些 0 和 1 值,所以我想将它们转换为可能的最小邻居,例如 0.0000...0001 和 0.9999...9999。我用过.Machine$double.xmin
(它给了我 2.225074e-308),但betareg()
仍然报错:
因变量无效,所有观测值必须在 (0, 1)
如果我使用 0.000001 和 0.999999,我会得到一组不同的错误:
1:在 betareg.fit(X, Y, Z, weights, offset, link, link.phi, type, control) 中:无法反转信息矩阵:迭代过早停止
2:在 sqrt(wpp) 中:chol 中的错误。 default(K) : 4 阶的前导小调不是正定的
只有当我使用 0.0001 和 0.9999 时,我才能正常运行。有什么办法可以用 betareg 提高这个最小值吗?还是我应该对此感到高兴?
r - R中的betareg和两个连续变量的交互作用图
我在 R 中寻找一个函数,它将获取 betareg 回归的输出,并绘制一个包含 2 个连续变量的交互图,其中一个变量在图中显示为平均值和 SD。
我一直在尝试使用interaction_plot(),但这只会为连续变量返回一团糟。来自 ggplot 的其他示例需要来自 lm 的回归对象。
r - 回归 - 有界因变量 - 模型选择
我正在研究一个问题,我想看看一个度量(测试)是否是结果变量(性能)的一个很好的预测器。性能是一个介于 0-100 之间的有界变量。我现在只考虑方法论,还没有处理数据。
我知道有不同的模型和方法可以处理有界因变量,但据我了解,如果有人对预测感兴趣,这些很有用吗?
我对我的测量(测试)解释了因变量(性能)的多少变化感兴趣。我对预测具体结果不感兴趣。
只使用正态回归可以吗? 我是否需要以某种方式考虑有界因变量?
r - 在 R 中为诊断图添加标签
我已经在 R 中运行了 beta 回归,并希望评估进行残差诊断。我使用了 plot 函数并获得了图,但是,没有标记潜在的异常值。怎么才能给异常值对应的标签呢?
编辑:
作者提供了此代码的链接(http://www.de.ufpe.br/~cribari/betareg_example.zip。)但是它不再工作......
r - 如何使用 R 中的 bootstrap 方法计算 beta 回归拟合值的置信区间
我正在尝试betareg
在 R 中引导我的模型的拟合值。我已经阅读了许多其他问题和网站,例如https://stats.stackexchange.com/questions/234254/confidence-intervals-for-beta-regression/234256#234256,如何引导 R 中 Beta 回归模型的预测和置信水平,https://stats.stackexchange.com/questions/86432/how-do-i-predict-with-standard-errors-using-betareg-package-在-r。但是,这些都没有为我提供可以用于我的数据的答案。显然,为模型的拟合值计算 CIbetareg
并不像我想象的那么简单。我了解我可以boot
使用boot.ci
boot
包,但我真的不明白我应该如何编写statistics
函数以及如何将其合并到boot.ci
函数中。此外,我已经尝试了包中的confint
函数betaboost
,但这只给出了平均值的 95% CI,我试图在其中找到我的拟合值的 CI,以便我可以将 CI 与模型一起绘制。我希望有人能告诉我如何使用 bootstrap 方法找到拟合值的 95% CI。非常感谢您的帮助!
我正在调查 X 对 Y 的影响,两个比例。数据+模型看起来像这样。
我的 R 脚本
logistic-regression - 带有偏移项的 Beta 回归或逻辑回归?
我有一个因变量 (DV),它是一个以 [0,1) 为界的比例。最初我正在考虑使用 beta 回归来模拟这个比例与其他两个因素(区域和季节)之间的关系,但由于数据包括 0,我必须使用 Smithson 和 Verkuilen (2006) 建议的方法来转换 DV这表明了以下变换: (y · (n − 1) + 0.5)/n 其中 n 是样本大小。
这是一个有效的选项,但我开始认为,由于我作为响应建模的比例实际上是加权计数/总数,因此将响应建模为二项式并使用权重的偏移项可能会更好。我的示例中使用的 DV 是 p,其中 p 是 (#observed/total)/# of days,因此在这种情况下,# of days 将是加权因子。
在这种情况下哪种方法最合适?
r - R中带有beta家族的gam()的随机效应
我在gam()
与家人的分析中遇到了麻烦,betar
奇怪的是它之前运行良好。重新启动 R 后,出现了各种错误和警告消息。
我正在分析一个比例对另一个比例 (0,1) 的影响以及一个带有 beta 回归系列的随机效应 (因子)。数据如下所示。
这是我的电话
当我运行它时,它向我显示Error in is.factor(...) : unused argument (bs = "re")
. 我已阅读有关?gam::s
, ?is.factor
,的信息?mgcv::gam
,搜索了互联网,但找不到任何适合我的东西。我已经尝试过改变 的结构Area
,尝试不同的参数,更新所有包,从在线工作脚本中复制准确的代码并填写我的变量。最后一种方法告诉我,它可能与我的数据有关,而不是我的电话。据我了解,数据结构应该适合这样的分析。此外,它与之前完全相同的数据(和脚本)完美配合。
如果我在没有随机因素的情况下尝试通话
它向我展示了Warning message: In model.matrix.default(mt, mf, contrasts) : non-list contrasts argument ignored
,但工作正常。在网上进行了一些研究后,我发现这可能与更新有关(这可以解释为什么我重新启动 R 后它的工作方式不同)。显然,这条消息过去是沉默的,但不再有新的更新。谁能证实这一点?我应该担心这个警告吗?
此外,如果我这样做,gam.check
它会给我Error in xy.coords(x, y, xlabel, ylabel, log) : 'x' and 'y' lengths differ
带来奇怪的感觉,因为长度相等(都是 35)。
但是,gam
没有+ s(Area, bs="re")
至少不会产生错误(只有警告),但是当我尝试时会出现错误
它告诉我Error in bread. %*% meat. : non-conformable arguments
。Acoeftest
没有sandwich
工作正常,所以它与vcov = sandwich
. 互联网搜索并没有给出太多信息,不幸的是没有给出答案。
有谁知道这里发生了什么?我很想听听想法和想法。最后,我尝试将gam
withArea
作为随机效果运行,但我认为其他警告和错误消息可能会导致我们遇到问题。
r - Beta回归和空间自相关
我正在尝试找出将随机效应添加到我的 beta 回归的最佳方法。我有一个数据框,由经度、纬度、海豹标签、开尔文海面温度和海豹的平均行为位置组成。我重新调整了平均行为位置,使值介于 0.99 和 0.01 之间。0.99 与 100% 过渡行为有关。由于各个密封件的空间自相关,我的残差分布不均匀并且存在非线性。因此,我通过 gam 函数中的“re”平滑因子添加了使用纬度、经度和印章标记的随机效果。
我的残差看起来更分散,但我想知道是否有更好的方法来做到这一点。
随机效应前的残差:
随机效应后的残差: