问题标签 [vgam]

我正在使用该VGAM软件包在 Gamma 分布的两个样本之间进行回归。是否可以为链接选择身份功能？如果是，如何？

我正在使用这些代码行并且它有效：

但是当我尝试更改链接功能时它不起作用，例如：

我有以下错误消息：

我正在尝试通过矩估计 alpha 和 beta 的方法来进行 beta 二项式分布。采取以下步骤： http ://en.wikipedia.org/wiki/Beta-binomial_distribution#Maximum_likelihood_estimation

我认为我已经能够在 python 中准确地编写代码：

输出：

这与示例的结果相同。但是，如果我使用使用最大似然的 R 包 VGAM，则对 alpha 和 beta 的估计完全不同

难道我做错了什么？

我正在尝试获取 VGAM 模型的回归结果的乳胶或 html 输出（在下面的示例中，它是一个广义的序数 logit）。但是我知道的用于此目的的软件包不适用于 vglm 对象。

在这里，您可以看到一个带有我收到的错误消息的小玩具示例：

对象[[i]]$zelig.call 中的错误：未为此 S4 类定义 $ 运算符

（函数（类，fdef，mtable）中的错误：无法找到签名“vglm”的函数“提取”的继承方法</p>

UseMethod（“getSummary”）错误：没有适用于“c（'vglm'，'vlm'，'vlmsmall'）”类对象的“getSummary”方法

我在 R 中使用带有gamma2家族函数的 VGAM 包（两个参数：mu 和 shape）。我对链接功能的选择犹豫不决。事实上，我有以下两种情况：

这两个拟合没有问题收敛，即使fit2收敛速度比 fit1 快。AIC(fit1)选择哪一个，比较是否有意义AIC(fit2)——当然是在完全相同的数据集上——还是我必须依赖其他标准？

我正在进行一项蒙特卡洛研究。我有一个具有异方差性的线性模型，并且因变量的左删失为 0。删失率的平均值为 25.9。

我得到错误

在尝试估计一个tobit模型之后。

我的数据是从标准分布模拟的，所以问题不应该来自奇数变量。

我发现另外两个与真实数据有相同问题的问题： lm() NA/NaN/Inf error , lm() NA/NaN/Inf error 但似乎没有任何令人满意的答案。除了我的数据很容易重现，所以它应该有助于识别问题

以下是代码：

这是回溯

*** 编辑 ：

通过删除一个协变量（我尝试使用 X[3,i,] 和 X[4,i,]）并将较低的审查设置为 -0.001，正如 BondedDust 建议的那样，它工作正常，我什至将复制次数推到 1000重大问题。

通过将较低的审查设置为 -0.001，并保留所有协变量，我在 100 次迭代中得到了两个错误。值得注意的是，现在的错误是

除了我得到这些警告

我有一些实际数据，恐怕有些令人讨厌。

它本质上是一个正负二项分布（没有任何零计数）。但是，有些异常值似乎会导致一些错误的计算发生（可能是下溢或 NaN？）前 8 个左右的条目是合理的，但我猜最后几个会导致拟合出现一些问题。

这是数据：

该命令运行一段时间，然后吐出错误消息

但是，如果我重新运行这个切断异常值，我会得到一个 posnegbinomial 的解决方案

如果我尝试家庭 pospoisson（正泊松：没有零值），我会收到类似的错误“参数不可解释为逻辑”。

我确实注意到 Stackoverflow 中有许多类似的问题，关于需要 TRUE/FALSE 的缺失值，但对于其他 R 包。这向我表明，也许包编写者需要更好地预测计算可能会失败。

我caret使用vglm()from构建了一个自定义模型VGAM。它适用于简单的效果，但是当我尝试添加交互时，它会失败并显示object 'x1:x2' not found错误消息，其中x1和x2是我作为交互输入模型的预测变量。问题与预测有关，除非我弄错了，否则它似乎是因为要么 要么predict.train试图predictvglm用来x1:x2预测类。

我在下面提供了一个工作示例。

现在，如果我尝试使用该函数，如果我为公式提供交互，它会退出并出现错误。

这是我的 sessionInfo()：

有人知道如何解决这个问题吗？

我需要帮助解决我的问题。我有2个问题。

1. 我无法在我的 RStudio 上安装库 (VGAM)。对另一个回归逻辑序数包有任何想法或对我的问题有解决方案吗？

2. 使用 mlogit 时，我坚持第一步。我有 3 个选项的因变量 = Kategori.Kredit。我有自变量 = FD、FC、ND、NC、CASA。请帮我解决这个问题，我尝试阅读 pdf 上的示例但仍然不明白。

我正在寻找一种方法来在 R 中的分组数据上拟合条件 logit。我有多项选择计数以及响应和个人特定变量。不幸的是，扩展的数据集太大而无法使用。mlogit因此，例如，我不能使用我知道的大多数软件包。我vglm从VGAM包中发现，但如果响应类别缺少一个解释变量，它就不起作用。

有人在 R 中尝试过类似的东西吗？

谢谢！

我想绘制从VGAM包vglm()中的函数派生的多项逻辑回归的预测值。

使用VGAM很重要，因为我正在尝试复制同事在 Stata 中进行的分析，而我使用这个函数/包已经实现了这一点。

数据的子集：

模型如下：

结果如下所示：

使用该predict(m1, newdata)功能为我提供了两列。

Q1。这两列是相对于参考水平 (reflevel = 1) 的两个水平中每一个水平的线性预测，对吗？

相反，使用predict(m1, newdata = newdata, type = "response")为我提供了三列（0、1 和 2）。

Q2。这三列是什么？哪些符合上述比较（对比级别 2 和 3 与级别 1）？

Q3。我是否还可以得到响应变量中预测值的标准误差 (95% CI)，然后我可以绘制出来？如果是这样，怎么做？

摘要：从多项逻辑回归中，我试图从 Stata 产生类似的东西：

这实际上看起来更像这样：

基本上，我希望在x2 ( ) 的范围内caretime3由预测变量 x ( ) 之一预测响应变量 ( )，但最终用于按( )的三分位数分组的可视化。pmt05allzarzarzarlevel