问题标签 [gamlss]

我有一个形式的回归问题：

Y~s(x1)+s(x2)+s(x3)+re

其中 s() 表示平滑函数并且是随机效应。

我知道对于每个 x3 值，测量值并不完全位于 Y 的采样位置，而是随机远离它一个已知距离（dist），以 km 为单位。

因此，我的真实 x3（在 dist 0 处）的确定性越接近 Y 的采样位置，我对 x3 在距离为 0 处的边际效应感兴趣，所以 x3 对 Y 的“真实”边际效应。

我考虑在我的 GAM 中使用权重，基于 1/dist 或其他东西，但我想我会加权所有协变量，还有 x1，x2 的协变量，按 x3 到 Y 的距离。这不是我想要的，因为这可能对 x1 和 x2 给出错误或有偏差的估计？

有什么办法可以做到这一点？

这是朝着正确的方向发展吗？

Y~s(x1)+s(x2)+te(x3,dist)+re

或者：

Y~s(x1)+s(x2)+s(x3)+ti(x3,dist)+re

或者：

pvc()gamlss 包中的功能可以帮助吗？

所以在预测中我将 dist 设置为 0？但是我如何强制例如 te(x3,dist) 在高 dist 值时变为零？

-我正在寻找 R 中基于mgcvorbamlss或的解决方案gamlss。非常感谢！

从gamlss.dist页面exGAUSS：

心理学家经常使用前高斯分布来模拟响应时间 (RT)。它是通过添加两个随机变量来定义的，一个来自正态分布，另一个来自指数。参数mu和sigma是正态分布变量的均值和标准差，而参数nu是指数变量的均值。

以下是我们应该如何估计参数：

不幸的是，估计值相差甚远：

从 CRAN 中消失的包 retimes仍然可以从

给出：

哪个更近。

我想使用 gamlss 包来拟合受益于该包中更多可用分布的模型。但是，我正在努力正确指定我的随机效应，或者至少我认为这是一个错误，因为如果我将 lmer 模型的输出与高斯分布进行比较，而 gamlss 模型与高斯分布的输出不同。如果比较没有随机效应的 lm 模型和具有高斯分布且没有随机效应的 gamlss 模型，则输出是相似的。

不幸的是，我无法共享我的数据来复制它。这是我的代码：

如何在 gamlss 中指定随机效应以类似于 lmer 中的随机效应？

如果我指定随机效果而不是使用

我收到以下错误：model.frame.default 中的错误（formula = Forest_loss_annual_perc_boxcox ~ : variable lengths different (found for 're(random = ~1 | ISO3)'）

公式中的最后三个变量不会出现在输出中。我该怎么做才能让它们也出现？

我想得到一个LO在零点处被审查的分布。但我找不到任何关于此的参考。在gamlss.cens包中，只有三个选项（left、right、interval）。

我想使用 gamlss 包的 lms 函数估计百分位曲线。由于我的 x 变量是年龄并且我有一个大数据集 (n=2215)，我有一些相同的 x 值，所以我的 x 变量不是唯一的。据我了解，这会导致警告“In regularize.values(x, y, ties, missing(ties)): collapsing to unique 'x' values”，这告诉我 splinefun 的 x 变量中有联系函数摆脱了，正如这里已经讨论过的。

这是我使用 lms 函数创建百分位曲线的代码：

我收到此警告： In regularize.values(x, y, ties, missing(ties)): collapsing to unique 'x' values

但是，对我来说，如果删除具有相同 x 值的观察结果将是一个问题，因为我想保留所有观察结果以使用我拥有的所有信息。对我来说，删除具有相同年龄但不同 y 值的观察是没有意义的，因为两者都是有价值的信息。我对技术细节的了解可能不够深入，看不出来，是否会是这种情况，或者这个“regularize.values”是否仅指构建 x 轴。

有没有人知道这一点或知道如何在不删除相同 x 值的情况下使用 lms 函数？

非常感谢您的任何建议或帮助！

这是 R 中的一个普遍问题。我们如何使用 gamlssCV（或类似的 gamlss 函数）与 gamlss 进行交叉验证，并且选择标准是 AIC？任何建议都将不胜感激！提前致谢！

我有一个包含三个分类变量的连续响应，没有随机效应。我已经使用零调整伽马分布拟合了一个 gamlss 对象。在这里链接到数据，因为它很大。我无法将数据放入更标准的分布中，如果可能的话，我想避免使用障碍型分析方法以便于解释。

我想比较模型中主要效果和交互的重要性，gamlss这似乎不是直接可用的功能。本文描述了将gamlss对象转换为nlme::lme对象（https://arxiv.org/abs/1810.03085，第 17 页），这似乎是一种很好的方法，因为lme模型更广泛地被 stats 包所接受。

一旦混合 GAMLSS 被拟合并存储在 R 对象中， getSmo()就可以使用该函数将其转换为lme对象，以便使用拟合的混合模型的所有方法都lme()可用，例如通过该anova()函数进行方差分析。

然而，getSmo文档并没有帮助我进行这种转换，而且反复试验让我无处可去。如何使用我的系数（mu、sigma 和 nu）来构建 lme 对象？这是我什至可以在保留零调整伽马分布的同时做的事情gamlss吗？

我正在拟合 Rgamlss模型：

这就是我得到的：

我想以格式保存这个gamlss.fit模型以备后用。RDS该saveRDS功能工作正常。

但是，如果我终止当前R会话，打开一个新会话并读取RDS保存的gamlss.fit模型，我会得到：

所以我不能真正将这个对象用于下游的任何事情。

我认为tidypredict'sparse_model函数可能会派上用场，但它似乎不支持解析gamlss模型：

这saveRDS是特定于gamlss因为如果我适合glm模型：

这使：

RDS从保存的文件中读取后，我会得到相同的结果：

顺便说一句，tidypredict'sparse_model既不支持解析glm模型：

任何想法是否以及如何在gamlss不使用该函数的情况下保存模型，这里save讨论了它的缺点

我正在尝试对我用 gamlss 包估计的模型执行 5 折交叉验证。当我使用相同的代码并估计另一个模型（例如 OLS）时，我没有问题。但是，当我将模型更改为 gamlss 时，我收到一条错误消息。

这是一个说明性示例：

当我运行这段代码时，一切正常，我得到一个列表，其中包含我对每个折叠的性能度量：

但是，当我运行此代码并将模型类型更改为 gamlss 时，我收到一条错误消息：

错误消息是：“评估错误（替代（数据））：找不到对象'trainset'”。我已经为每个折叠分别运行函数中的代码并且它可以工作。似乎无法再创建训练集和测试集了。然而，我所做的只是改变模型。

有谁知道这里可能是什么问题？