[英]How do you perform a goodness of link test for a generalized linear model in R?
我正在研究在R中使用广义线性模型(使用glm())来处理一些在全因子中具有两个预测因子的数据。 我确信gamma系列是正确的错误分布,但不确定使用哪个链接功能,所以我想测试所有可能的链接功能。 当然,我可以通过为每个链接函数创建一个单独的模型然后比较偏差来手动执行此操作,但我想有一个R函数将执行此操作并编译结果。 我搜索过CRAN,SO,交叉验证和网络 - 我发现的最接近的功能是clm2,但我不相信我想要一个累积链接模型 - 基于我对clm的理解。
我目前的型号如下:
CO2_med_glm_alf_gamma <- glm(flux_median_mod_CO2~PercentH2OGrav+
I(PercentH2OGrav^2)+Min_Dist+
I(Min_Dist^2)+PercentH2OGrav*Min_Dist,
data = NC_alf_DF,
family=Gamma(link="inverse"))
如何将此模型编码为R函数,该函数将执行“良好链接”测试?
(至于这种测试的统计有效性, 这个讨论以及与博士后的统计数据的讨论让我相信,比较AIC或广义线性模型之间的差异是有效的,除了具有不同的链接之外是相同的职能)
这不是“所有可能的链接”,而是针对指定的链接类进行测试,但是Pregibon的链接测试是在LDdiag包中实现的。 它不在CRAN上,但你可以通过档案安装它
devtools::install_version("LDdiag","0.1")
给出的例子(不那么令人兴奋)是
quine$Days <- ifelse(quine$Days==0, 1, quine$Days)
ex <- glm(Days ~ ., family = Gamma(link="log"), data = quine)
pregibon(ex)
pregibon系列链接函数在glmx包中实现 。 正如Achim Zeleis在评论中所指出的,该软件包提供各种参数链接功能,并支持基于此类参数链接(或更一般地参数族)的一般估计和推断。 要查看一个工作示例如何将其用于各种链接良好评估,请参见example("WECO", package = "glmx")
。 这复制了Koenker和Yoon的两篇论文的分析(见下文)。
这个例子也可能有用。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.