问题标签 [betareg]

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。

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？

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？

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。

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？

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：

我想要这样的东西（没有实际的粉红色框，但有 ID 号。）

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......

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.ciboot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

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？

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gamwithArea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。

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：