Простой вопрос: как указать логнормальное распределение в аргументе семейства GLM в R? Я не мог найти, как это может быть достигнуто. Почему логнормальный (или экспоненциальный) не вариант в семейном аргументе?
Где-то в R-архивах я читал, что нужно просто использовать лог-ссылку для семейства, установленного на гауссовский в GLM, чтобы указать логнормальное. Однако это бессмыслица, потому что это будет соответствовать нелинейной регрессии, и R начинает запрашивать начальные значения.
Кто-нибудь знает, как установить логнормальное (или экспоненциальное) распределение для GLM?
Ответы:
Пакет gamlss позволяет вам подгонять обобщенные аддитивные модели как с логнормальным, так и с экспоненциальным распределением, а также с множеством других, с некоторым разнообразием функций связи и используя, если хотите, полу- или непараметрические модели, основанные на штрафованных сплайнах. Там опубликовано несколько статей об используемых алгоритмах, документации и примерах, связанных с сайтом, на который я ссылаюсь.
источник
Что касается подгонки экспоненциальной модели к
glm
: При использованииglm
функции с семейством = гамма необходимо также использовать вспомогательные средстваsummary.glm
, чтобы зафиксировать параметр дисперсии равным 1:И, как я собирался указать, но jbowman опередил меня, пакет (ы) «gamlss» обеспечивает нормальное логарифмирование:
источник
glm
, но математики ... и если у вас есть оценки параметров, построение невязок тривиально в R. Отправьте этот вопрос в SO с тегом [r], и вы обязательно получит быстрый ответ.Логнормальное не вариант, потому что логарифмически нормальное распределение не входит в экспоненциальное семейство распределений. Обобщенные линейные модели могут соответствовать только распределениям из экспоненциального семейства.
Я менее ясно , почему экспоненциальный не вариант, так как экспоненциальное распределение является в показательной семье (как вы могли бы надеяться). Другое статистическое программное обеспечение, с которым я знаком, позволяет приспособить экспоненциальное распределение как GLM, рассматривая его как особый случай гамма-распределения с параметром формы (или шкалы или дисперсии), установленным в 1, а не оцененным. Однако я не вижу способа исправить этот параметр с помощью
glm()
функции R. Одной из альтернатив будет использованиеsurvreg()
функции изsurvival
пакета сdist="exponential"
.источник
Установка логарифмически нормального GLM не имеет ничего общего ни с распределением, ни с опцией связывания
glm()
функции. Термин «логарифмический нормальный» в этом смысле довольно запутанный, но означает, что переменная ответа обычно распределена (family = gaussian), и преобразование применяется к этой переменной следующим образом:Однако при сравнении этого лог-нормального glm с другими glms, использующими другое распределение (например, гамма), функция AIC () должна быть исправлена. Кто-нибудь знает альтернативу этим ошибочным AIC (), в этом случае?
источник
Попробуйте использовать следующую команду:
Это работает здесь, и AIC кажется правильным.
источник