问题标签 [pscl]

我在 pscl 包中运行总统选举的 xyplot 并得到了错误

我是 R 的新用户，如果有人可以帮助我解决错误，我将不胜感激。

我正在使用psclR 中的包并试图让它产生可测试/可重现的结果。我查看了底层 C 代码，它看起来好像在正确GetRNGstate()的PutRNGstate()位置被调用，但似乎不可能重复 MCMC 模型的输出。

simulationResult我已经从SoDA包中打包了函数，这样我就可以在 R 端验证每个仿真 R 的启动状态。

我们可以验证至少在 R 端的起始状态是相同的：

但是输出不同：

我可以增加迭代次数，但如果 R​​NG 状态正在传播，这并不重要。我错过了一些非常简单的东西吗？谢谢。

编辑：我还应该注意all.equal(run1@lastState, run2@lastState)（每次运行的最终状态）应该是相同的，但它们最终会不同。我的猜测是，C 调用的 R RNG 函数之外的一些意外事件来源正在影响调用这些 RNG 函数的次数。好奇的。

编辑2

我还应该在 OS X 10.8.4 上添加我在 R 3.0.1 和 pscl 1.04.4 上。

我正在尝试使用包使用零膨胀泊松回归构建一些模型pscl，并且在操纵了变成 的输出对象之后zeroinfl，我发现做residuals(fm_zip)不等于fm_zip$residuals.

以下是我正在谈论的示例：

正如您可能意识到的那样，结果并不相同。我会说这两种方式都是等价的，但似乎它们不是。你能解释一下这有什么问题吗？根据残差 R 帮助，这两种选择应该返回差异(observed - fitted)。相比之下，我对普通的线性回归做了同样的事情，它们是相等的。

我的 R 版本是：

并且包版本是pscl_1.04.4

任何帮助表示赞赏。

我正在使用pscl'shurdle函数拟合障碍模型。我无法解决与返回的对象相关的以下问题hurdle：

有没有一种直接的方法来模拟使用 生成的对象hurdle？

有没有一种直接的方法来获得拟合优度，比如伪 R2？

谢谢你。

我的问题可能是技术性的：我正在尝试通过使用人口 (p) 作为偏移量来控制暴露来模拟疾病计数 (d)。在 R 中，我发现了两种可能的方法：

m1 和 m2 的总结表明summary(m1)=summary(m2)但如果我尝试通过pR2(pscl 包) 计算 McFadden: McFadden(m1)≠ McFadden(m2)。

有人对此有解释吗？

我正在使用 R 中的零膨胀泊松模型拟合计数数据（每个领土产生的雏鸟数量），虽然模型拟合工作正常，但我在使用 predict 函数获取一个类别的多个值的估计时遇到了麻烦（年）对另一个类别（StudyArea）的值进行平均。两个变量都是虚拟编码 (0,1) 并设置为因子。发送到预测函数的数据帧如下所示：

但是，我收到错误消息：

相反，如果我使用数据框，例如：

我对每年的新生人数和研究地点组合进行了合理的估计。但是，我对研究地点的影响并不真正感兴趣（影响很小并且不涉及交互），而年份影响实际上是该研究旨在检查的。

我以前使用类似的代码成功地从具有一个分类和一个连续预测变量（在虚拟编码因子的水平上平均）的模型中获得估计计数，使用类似于以下的数据框：

所以我有点困惑为什么我上面描述的第一次尝试不起作用。

如果有帮助，我可以构建一个可重现的示例，但我有一种预感，我不了解预测函数在处理因子时如何工作的基本知识。如果有人可以帮助我了解我需要做什么才能在一个因素的两个水平上获得估计值，并在另一个因素的水平上进行平均，我将非常感激。

我正在使用包中的predict.hurdle函数pscl来估计在数据集中观察 0、1、2、...、N 个事件的概率。

使用中的示例?predict.hurdle：

该矩阵的每一行都是一个观察值，每一列是该计数的概率，在这种情况下为 0-19。

但是有些行的总和并没有达到应有的 1。但是好吧，他们很接近所以也许这不是问题......

但是，我需要校准截距项。在我的行业中，“校准”是一种可接受的说法，即“更改估计参数”。是的，我知道这在统计上不是一个好主意的原因有很多（故意偏向估计）。但是，我仍然希望代码能够正常工作，并且预测能够遵守概率规则。

现在我们看到了结果概率的一些主要问题。

我很想通过以下方式以 0-1 的比例简单地重新规范这些实用程序：

但我担心概率总和为 1 的问题的原因意味着这不合适。

我的担心有根据吗？fm_hp1为了改变截距项但仍然得到正确的概率预测，我是否需要修改另一个元素？

我想pscl在R. 当我运行帮助文件中提供的示例时，即

我收到以下错误消息：

我该如何解决这个问题？提前致谢。

PS：我在 OS X 10.13 上，使用 R 3.4.2 和 pscl 1.5.1。

我正在研究一个跨栏模型，遇到了一个我不太明白的问题。我的理解是，跨栏的整体响应预测是计数预测乘以概率预测。即，整体响应必须小于或等于计数预测。但是，在我的数据中，响应预测高于计数预测，我不知道为什么。

这是玩具模型的类似结果（代码改编自此处）：

为什么计数高于响应？

添加了与 glm.nb 的比较

另外 - 我的印象是障碍模型的计数部分应该对只有正值的计数模型给出相同的预测。当我尝试这样做时，我会得到完全不同的值。我错过了什么？？

我zeroinfl()对“pscl”包中的功能有疑问。以下是我的情况的概述：

我试图找出一个地块中的非本地茎密度是否受到该地块的焦点物种的影响。我正在使用混合效应模型，随机效应是站点（我在 6 个不同站点收集数据）。glmer()这是使用“lme4”包中的函数的混合模型的样子：

问题是我的数据是零膨胀的，这意味着有很多地块没有非本地物种存在。所以我尝试使用zeroinfl()“pscl”包中的函数。

但我收到一条错误消息：

contrasts<-( , value = contr.funs *tmp*[1 + isOF[nn]]) 中的错误：
对比只能应用于具有 2 个或更多级别的因子此外：警告消息：在 Ops.factor(1, site) 中：'|' 对因子没有意义

所以我收集到我这里不能有随机效果，所以我把它改成了固定效果。

但是，现在我收到此错误消息：

solve.default(as.matrix(fit$hessian)) 中的错误：系统在计算上是奇异的：倒数条件数 = 4.70937e-36

如果我将分布从“poisson”更改为“negbin”，则会出现类似的错误消息：

solve.default(as.matrix(fit$hessian)) 中的错误：系统在计算上是奇异的：倒数条件数 = 2.92265e-19

有谁知道这个错误信息是什么意思？或者如果我可以使用不同的包/功能？任何帮助深表感谢。