检查残差并可视化零充气泊松系数
[英]examining residuals and visualizing zero-inflated poission r
问题描述
我正在为CPUE数据运行零膨胀模型。 这些数据具有零通货膨胀的证据，我已经通过Vuong测试确认了这一点（在下面的代码中）。 根据AIC，完整模型（zint）优于null模型。 我现在要：
- 检查完整模型的残差以确定模型拟合（由于缺乏同事，互联网和R书的信息而出现问题）
- 如果模型拟合看起来可以，请可视化模型的输出（使用偏移变量时如何公式化实参数值的方程式）
我已经从部门的一些统计人员那里寻求帮助（他们以前从未这样做过，并把我发送到相同的Google搜索网站），在统计部门本身之外（每个人都很忙）以及stackoverflow提要。
我希望使用代码或书籍指南（可免费在线获得），其中包含使用偏移量时可视化ZIP和模型拟合的代码。
yc=read.csv("CPUE_ycs_trawl_withcobb_BLS.csv",header=TRUE)
yc=yc[which(yc$countinyear<150),]
yc$fyear=as.factor(yc$year_cap)
yc$flocation=as.factor(yc$location)
hist(yc$countinyear,20)
yc$logoffset=log(yc$numtrawlyr)
###Run Zero-inflated poisson with offset for CPUE####
null <- formula(yc$countinyear ~ 1| 1)
znull <- zeroinfl(null, offset=logoffset,dist = "poisson",link = "logit",
data = yc)
int <- formula(yc$countinyear ~ assnage * spawncob| assnage * spawncob)
zint <- zeroinfl(int, offset=logoffset,dist = "poisson",link = "logit", data
= yc)
AIC(znull,zint)
g1=glm(countinyear ~ assnage * spawncob,
offset=logoffset,data=yc,family=poisson)
summary(g1)
####Vuong test to see if ZIP is even needed##
vuong(g1,zint)
##########DATASET###########
countinyear是第1栏
##########DATASET###########
count assnage spawncob logoffset
56 0 0.32110173 2.833213
44 1 0.33712 2.833213
60 2 0.34053264 2.833213
0 4 0.19381496 2.833213
1 3 0.30819333 2.833213
33 0 0.32110173 2.833213
40 1 0.33712 2.833213
25 2 0.34053264 2.833213
0 3 0.30819333 2.833213
2 4 0.19381496 2.833213
6 0 0.32110173 2.833213
13 1 0.33712 2.833213
7 2 0.34053264 2.833213
0 3 0.30819333 2.833213
0 4 0.19381496 NA
5 0 0.32110173 2.833213
31 1 0.33712 2.833213
73 2 0.34053264 2.833213
0 3 0.30819333 2.833213
1 4 0.19381496 2.833213
0 0 0.32110173 2.833213
7 1 0.33712 2.833213
75 2 0.34053264 2.833213
3 3 0.30819333 2.833213
0 4 0.19381496 2.833213
19 0 0.32110173 2.833213
13 1 0.33712 2.833213
18 2 0.34053264 2.833213
0 3 0.30819333 2.833213
2 4 0.19381496 2.833213
11 0 0.32110173 2.833213
14 1 0.33712 2.833213
32 2 0.34053264 2.833213
1 3 0.30819333 2.833213
1 4 0.19381496 2.833213
12 0 0.32110173 2.833213
3 1 0.33712 2.833213
9 2 0.34053264 2.833213
2 3 0.30819333 2.833213
0 4 0.19381496 2.833213
5 0 0.32110173 2.833213
15 1 0.33712 2.833213
22 2 0.34053264 2.833213
5 3 0.30819333 2.833213
1 4 0.19381496 2.833213
1 0 0.32110173 2.833213
16 1 0.33712 2.833213
33 2 0.34053264 2.833213
4 3 0.30819333 2.833213
2 4 0.19381496 2.833213
6 0 0.32110173 2.833213
17 1 0.33712 2.833213
26 2 0.34053264 2.833213
1 3 0.30819333 2.833213
0 4 0.19381496 2.833213
16 0 0.32110173 2.833213
16 1 0.33712 2.833213
11 2 0.34053264 2.833213
1 3 0.30819333 2.833213
1 4 0.19381496 2.833213
2 0 0.32110173 2.833213
8 1 0.33712 2.833213
18 2 0.34053264 2.833213
0 3 0.30819333 2.833213
0 4 0.19381496 2.833213
2 0 0.32110173 2.833213
27 1 0.33712 2.833213
49 2 0.34053264 2.833213
1 3 0.30819333 2.833213
0 4 0.19381496 2.833213
1 0 0.32110173 2.833213
6 1 0.33712 2.833213
36 2 0.34053264 2.833213
17 3 0.30819333 2.833213
0 4 0.19381496 2.833213
10 0 0.32110173 2.833213
21 1 0.33712 2.833213
78 2 0.34053264 2.833213
32 3 0.30819333 2.833213
0 4 0.19381496 2.833213
0 0 0.32110173 2.833213
8 1 0.33712 2.833213
14 2 0.34053264 2.833213
7 3 0.30819333 2.833213
0 4 0.19381496 2.833213
0 1 0.13648433 2.833213
6 1 0.23952033 2.833213
12 2 0.32110173 2.833213
0 3 0.33712 2.833213
0 4 0.34053264 2.833213
30 0 0.13648433 2.833213
30 1 0.23952033 2.833213
25 2 0.32110173 2.833213
30 3 0.33712 2.833213
30 4 0.34053264 2.833213
68 0 0.13648433 2.833213
68 1 0.23952033 2.833213
55 2 0.32110173 2.833213
68 3 0.33712 2.833213
68 4 0.34053264 2.833213
0 0 0.13648433 2.833213
12 1 0.23952033 2.833213
26 2 0.32110173 2.833213
2 3 0.33712 2.833213
1 4 0.34053264 2.833213
0 0 0.13648433 2.833213
17 1 0.23952033 2.833213
36 2 0.32110173 2.833213
1 3 0.33712 2.833213
4 4 0.34053264 2.833213
1 0 0.13648433 2.833213
1 1 0.23952033 2.833213
4 2 0.32110173 2.833213
4 3 0.33712 2.833213
0 4 0.34053264 2.833213
3 0 0.13648433 2.833213
3 1 0.23952033 2.833213
3 2 0.32110173 2.833213
3 3 0.33712 2.833213
3 4 0.34053264 2.833213
0 0 0.13648433 2.833213
29 1 0.23952033 2.833213
33 2 0.32110173 2.833213
0 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
10 1 0.23952033 2.833213
7 2 0.32110173 2.833213
1 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
6 1 0.23952033 2.833213
18 2 0.32110173 2.833213
1 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
18 1 0.23952033 2.833213
37 2 0.32110173 2.833213
1 3 0.33712 2.833213
1 4 0.34053264 2.833213
0 0 0.13648433 2.833213
13 1 0.23952033 2.833213
26 2 0.32110173 2.833213
8 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
0 1 0.23952033 2.833213
1 2 0.32110173 2.833213
0 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
1 1 0.23952033 2.833213
5 2 0.32110173 2.833213
0 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
29 1 0.23952033 2.833213
15 2 0.32110173 2.833213
2 3 0.33712 2.833213
0 4 0.34053264 2.833213
0 0 0.13648433 2.833213
19 1 0.23952033 2.833213
25 2 0.32110173 2.833213
3 3 0.33712 2.833213
1 4 0.34053264 2.833213
0 0 0.13648433 2.833213
24 1 0.23952033 2.833213
40 2 0.32110173 2.833213
6 3 0.33712 2.833213
1 4 0.34053264 2.833213
0 0 0.03678637 2.772589
28 1 0.07414634 2.772589
28 2 0.13648433 2.772589
3 3 0.23952033 2.772589
2 4 0.32110173 2.772589
0 0 0.03678637 2.772589
3 1 0.07414634 2.772589
2 2 0.13648433 2.772589
0 3 0.23952033 2.772589
0 4 0.32110173 2.772589
4 0 0.03678637 2.772589
14 1 0.07414634 2.772589
6 2 0.13648433 2.772589
0 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
6 1 0.07414634 2.772589
3 2 0.13648433 2.772589
2 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
8 1 0.07414634 2.772589
2 2 0.13648433 2.772589
4 3 0.23952033 2.772589
1 4 0.32110173 2.772589
1 0 0.03678637 2.772589
12 1 0.07414634 2.772589
23 2 0.13648433 2.772589
0 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
24 1 0.07414634 2.772589
56 2 0.13648433 2.772589
7 3 0.23952033 2.772589
4 4 0.32110173 2.772589
0 0 0.03678637 2.772589
22 1 0.07414634 2.772589
45 2 0.13648433 2.772589
3 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
2 1 0.07414634 2.772589
18 2 0.13648433 2.772589
1 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
5 1 0.07414634 2.772589
18 2 0.13648433 2.772589
5 3 0.23952033 2.772589
1 4 0.32110173 2.772589
0 0 0.03678637 2.772589
9 1 0.07414634 2.772589
25 2 0.13648433 2.772589
6 3 0.23952033 2.772589
1 4 0.32110173 2.772589
0 0 0.03678637 2.772589
1 1 0.07414634 2.772589
3 2 0.13648433 2.772589
1 3 0.23952033 2.772589
1 4 0.32110173 2.772589
0 0 0.03678637 2.772589
3 1 0.07414634 2.772589
16 2 0.13648433 2.772589
0 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
7 1 0.07414634 2.772589
21 2 0.13648433 2.772589
8 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
5 1 0.07414634 2.772589
22 2 0.13648433 2.772589
6 3 0.23952033 2.772589
0 4 0.32110173 2.772589
0 0 0.03678637 2.772589
11 1 0.07414634 2.772589
22 2 0.13648433 2.772589
6 3 0.23952033 2.772589
0 4 0.32110173 2.772589
1 0 0.11532605 2.564949
7 1 0.05628636 2.564949
11 2 0.03678637 2.564949
0 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
4 1 0.05628636 2.564949
4 2 0.03678637 2.564949
0 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
0 1 0.05628636 2.564949
5 2 0.03678637 2.564949
0 3 0.07414634 2.564949
1 4 0.13648433 2.564949
0 0 0.11532605 2.564949
3 1 0.05628636 2.564949
4 2 0.03678637 2.564949
0 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
3 1 0.05628636 2.564949
0 2 0.03678637 2.564949
1 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
1 1 0.05628636 2.564949
0 2 0.03678637 2.564949
0 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
6 1 0.05628636 2.564949
9 2 0.03678637 2.564949
3 3 0.07414634 2.564949
0 4 0.13648433 2.564949
0 0 0.11532605 2.564949
3 1 0.05628636 2.564949
4 2 0.03678637 2.564949
3 3 0.07414634 2.564949
1 4 0.13648433 2.564949
0 0 0.11532605 2.564949
1 1 0.05628636 2.564949
3 2 0.03678637 2.564949
4 3 0.07414634 2.564949
0 4 0.13648433 2.564949
1 0 0.11532605 2.564949
3 1 0.05628636 2.564949
10 2 0.03678637 2.564949
2 3 0.07414634 2.564949
1 4 0.13648433 2.564949
0 0 0.11532605 2.564949
0 1 0.05628636 2.564949
3 2 0.03678637 2.564949
3 3 0.07414634 2.564949
1 4 0.13648433 2.564949
0 0 0.11532605 2.564949
24 1 0.05628636 2.564949
43 2 0.03678637 2.564949
11 3 0.07414634 2.564949
3 4 0.13648433 2.564949
0 0 0.11532605 2.564949
3 1 0.05628636 2.564949
19 2 0.03678637 2.564949
14 3 0.07414634 2.564949
2 4 0.13648433 2.564949
0 0 0.09016875 NA
25 1 0.14227471 2.833213
2 2 0.11532605 2.833213
0 3 0.05628636 2.833213
0 4 0.03678637 2.833213
0 0 0.09016875 2.833213
14 1 0.14227471 2.833213
0 2 0.11532605 2.833213
0 3 0.05628636 2.833213
0 4 0.03678637 2.833213
0 0 0.09016875 2.833213
12 1 0.14227471 2.833213
4 2 0.11532605 2.833213
0 3 0.05628636 2.833213
0 4 0.03678637 2.833213
1 0 0.09016875 2.833213
42 1 0.14227471 2.833213
20 2 0.11532605 2.833213
1 3 0.05628636 2.833213
2 4 0.03678637 2.833213
0 0 0.09016875 2.833213
48 1 0.14227471 2.833213
40 2 0.11532605 2.833213
1 3 0.05628636 2.833213
0 4 0.03678637 2.833213
10 0 0.09016875 2.833213
23 2 0.11532605 2.833213
0 3 0.05628636 2.833213
2 4 0.03678637 2.833213
2 0 0.09016875 2.833213
89 1 0.14227471 2.833213
5 2 0.11532605 2.833213
1 3 0.05628636 2.833213
6 4 0.03678637 2.833213
0 0 0.09016875 2.833213
27 1 0.14227471 2.833213
9 2 0.11532605 2.833213
3 3 0.05628636 2.833213
2 4 0.03678637 2.833213
1 0 0.09016875 2.833213
6 1 0.14227471 2.833213
0 2 0.11532605 2.833213
1 3 0.05628636 2.833213
0 4 0.03678637 2.833213
0 0 0.09016875 2.833213
65 1 0.14227471 2.833213
35 2 0.11532605 2.833213
1 3 0.05628636 2.833213
2 4 0.03678637 2.833213
0 0 0.09016875 2.833213
29 1 0.14227471 2.833213
26 2 0.11532605 2.833213
3 3 0.05628636 2.833213
1 4 0.03678637 2.833213
4 0 0.09016875 2.833213
105 1 0.14227471 2.833213
5 2 0.11532605 2.833213
0 3 0.05628636 2.833213
1 4 0.03678637 2.833213
4 0 0.09016875 2.833213
107 1 0.14227471 2.833213
5 2 0.11532605 2.833213
0 3 0.05628636 2.833213
0 4 0.03678637 2.833213
0 0 0.09016875 2.833213
17 1 0.14227471 2.833213
1 2 0.11532605 2.833213
0 3 0.05628636 2.833213
0 4 0.03678637 2.833213
3 0 0.09016875 2.833213
106 1 0.14227471 2.833213
1 2 0.11532605 2.833213
1 3 0.05628636 2.833213
0 4 0.03678637 2.833213
0 0 0.09016875 2.833213
21 1 0.14227471 2.833213
14 2 0.11532605 2.833213
5 3 0.05628636 2.833213
1 4 0.03678637 2.833213
0 0 0.09016875 2.833213
35 1 0.14227471 2.833213
12 2 0.11532605 2.833213
8 3 0.05628636 2.833213
2 4 0.03678637 2.833213
4 0 0.13510174 1.791759
1 1 0.10188844 1.791759
4 2 0.09016875 1.791759
0 3 0.14227471 1.791759
0 4 0.11532605 1.791759
3 0 0.13510174 1.791759
16 1 0.10188844 1.791759
11 2 0.09016875 1.791759
0 3 0.14227471 1.791759
0 4 0.11532605 1.791759
4 0 0.13510174 1.791759
20 1 0.10188844 1.791759
7 2 0.09016875 1.791759
0 3 0.14227471 1.791759
0 4 0.11532605 1.791759
0 0 0.13510174 1.791759
3 1 0.10188844 1.791759
1 2 0.09016875 1.791759
1 3 0.14227471 1.791759
1 4 0.11532605 1.791759
0 0 0.13510174 1.791759
2 1 0.10188844 1.791759
8 2 0.09016875 1.791759
2 3 0.14227471 1.791759
1 4 0.11532605 1.791759
0 0 0.13510174 1.791759
1 1 0.10188844 1.791759
40 2 0.09016875 1.791759
8 3 0.14227471 1.791759
0 4 0.11532605 1.791759
0 0 0.33638851 2.70805
0 1 0.20354567 2.70805
18 2 0.13510174 2.70805
2 3 0.10188844 2.70805
0 4 0.09016875 2.70805
0 0 0.33638851 2.70805
0 1 0.20354567 2.70805
1 2 0.13510174 2.70805
0 3 0.10188844 2.70805
0 4 0.09016875 2.70805
0 0 0.33638851 2.70805
1 1 0.20354567 2.70805
1 2 0.13510174 2.70805
0 3 0.10188844 2.70805
0 4 0.09016875 2.70805
0 0 0.33638851 2.70805
13 1 0.20354567 2.70805
23 2 0.13510174 2.70805
1 3 0.10188844 2.70805
13 4 0.09016875 2.70805
0 0 0.33638851 2.70805
1 1 0.20354567 2.70805
8 2 0.13510174 2.70805
3 3 0.10188844 2.70805
4 4 0.09016875 2.70805
0 0 0.33638851 2.70805
2 1 0.20354567 2.70805
9 2 0.13510174 2.70805
2 3 0.10188844 2.70805
0 4 0.09016875 2.70805
26 0 0.33638851 2.70805
2 1 0.20354567 2.70805
2 2 0.13510174 2.70805
0 3 0.10188844 2.70805
0 4 0.09016875 2.70805
57 0 0.33638851 2.70805
4 1 0.20354567 2.70805
6 2 0.13510174 2.70805
0 3 0.10188844 2.70805
1 4 0.09016875 2.70805
26 0 0.33638851 2.70805
3 1 0.20354567 2.70805
10 2 0.13510174 2.70805
2 3 0.10188844 2.70805
3 4 0.09016875 2.70805
9 0 0.33638851 2.70805
1 1 0.20354567 2.70805
3 2 0.13510174 2.70805
2 3 0.10188844 2.70805
0 4 0.09016875 2.70805
0 0 0.33638851 2.70805
0 1 0.20354567 2.70805
6 2 0.13510174 2.70805
1 3 0.10188844 2.70805
0 4 0.09016875 2.70805
0 0 0.33638851 2.70805
4 1 0.20354567 2.70805
16 2 0.13510174 2.70805
12 3 0.10188844 2.70805
3 4 0.09016875 2.70805
0 0 0.33638851 2.70805
7 1 0.20354567 2.70805
19 2 0.13510174 2.70805
8 3 0.10188844 2.70805
2 4 0.09016875 2.70805
14 0 0.33638851 2.70805
8 1 0.20354567 2.70805
33 2 0.13510174 2.70805
25 3 0.10188844 2.70805
4 4 0.09016875 2.70805
5 1 0.20354567 2.70805
15 2 0.13510174 2.70805
20 3 0.10188844 2.70805
10 4 0.09016875 2.70805
8 0 0.17597738 2.833213
28 1 0.25832942 2.833213
6 2 0.33638851 2.833213
0 3 0.20354567 2.833213
0 4 0.13510174 2.833213
4 0 0.17597738 2.833213
15 1 0.25832942 2.833213
27 2 0.33638851 2.833213
0 3 0.20354567 2.833213
0 4 0.13510174 2.833213
5 0 0.17597738 2.833213
13 1 0.25832942 2.833213
6 2 0.33638851 2.833213
0 3 0.20354567 2.833213
1 4 0.13510174 2.833213
0 0 0.17597738 2.833213
1 1 0.25832942 2.833213
0 2 0.33638851 2.833213
0 3 0.20354567 2.833213
2 4 0.13510174 2.833213
0 0 0.17597738 2.833213
6 1 0.25832942 2.833213
22 2 0.33638851 2.833213
0 3 0.20354567 2.833213
0 4 0.13510174 2.833213
0 0 0.17597738 2.833213
0 1 0.25832942 2.833213
11 2 0.33638851 2.833213
1 3 0.20354567 2.833213
2 4 0.13510174 2.833213
2 0 0.17597738 2.833213
0 1 0.25832942 2.833213
7 2 0.33638851 2.833213
3 3 0.20354567 2.833213
0 4 0.13510174 2.833213
1 0 0.17597738 2.833213
14 1 0.25832942 2.833213
23 2 0.33638851 2.833213
0 3 0.20354567 2.833213
1 4 0.13510174 2.833213
0 0 0.17597738 2.833213
0 1 0.25832942 2.833213
5 2 0.33638851 2.833213
2 3 0.20354567 2.833213
0 4 0.13510174 2.833213
0 0 0.17597738 2.833213
3 1 0.25832942 2.833213
6 2 0.33638851 2.833213
0 3 0.20354567 2.833213
1 4 0.13510174 2.833213
0 0 0.17597738 2.833213
0 1 0.25832942 2.833213
2 2 0.33638851 2.833213
0 3 0.20354567 2.833213
4 4 0.13510174 2.833213
2 0 0.17597738 2.833213
39 1 0.25832942 2.833213
18 2 0.33638851 2.833213
7 3 0.20354567 2.833213
0 4 0.13510174 2.833213
3 0 0.17597738 2.833213
25 1 0.25832942 2.833213
9 2 0.33638851 2.833213
3 3 0.20354567 2.833213
0 4 0.13510174 2.833213
4 0 0.17597738 2.833213
7 1 0.25832942 2.833213
1 2 0.33638851 2.833213
1 3 0.20354567 2.833213
0 4 0.13510174 2.833213
0 0 0.17597738 2.833213
1 1 0.25832942 2.833213
6 2 0.33638851 2.833213
1 3 0.20354567 2.833213
0 4 0.13510174 2.833213
2 0 0.17597738 2.833213
15 1 0.25832942 2.833213
49 2 0.33638851 2.833213
19 3 0.20354567 2.833213
2 4 0.13510174 2.833213
0 0 0.17597738 2.833213
0 1 0.25832942 2.833213
1 2 0.33638851 2.833213
0 3 0.20354567 2.833213
0 4 0.13510174 2.833213
3 0 0.17485677 2.302585
50 1 0.17597738 2.302585
25 2 0.25832942 2.302585
0 3 0.33638851 2.302585
0 4 0.20354567 2.302585
1 0 0.17485677 2.302585
7 1 0.17597738 2.302585
8 2 0.25832942 2.302585
0 3 0.33638851 2.302585
0 4 0.20354567 2.302585
3 0 0.17485677 2.302585
16 1 0.17597738 2.302585
63 2 0.25832942 2.302585
3 3 0.33638851 2.302585
0 4 0.20354567 2.302585
1 0 0.17485677 2.302585
34 1 0.17597738 2.302585
12 3 0.33638851 2.302585
4 4 0.20354567 2.302585
0 0 0.17485677 2.302585
29 1 0.17597738 2.302585
16 2 0.25832942 2.302585
0 3 0.33638851 2.302585
0 4 0.20354567 2.302585
0 0 0.17485677 2.302585
30 1 0.17597738 2.302585
13 2 0.25832942 2.302585
0 3 0.33638851 2.302585
2 4 0.20354567 2.302585
0 0 0.17485677 2.302585
15 1 0.17597738 2.302585
10 2 0.25832942 2.302585
0 3 0.33638851 2.302585
1 4 0.20354567 2.302585
4 0 0.17485677 2.302585
50 1 0.17597738 2.302585
32 2 0.25832942 2.302585
6 3 0.33638851 2.302585
8 4 0.20354567 2.302585
0 0 0.17485677 2.302585
32 1 0.17597738 2.302585
29 2 0.25832942 2.302585
4 3 0.33638851 2.302585
8 4 0.20354567 2.302585
0 0 0.17485677 2.302585
2 1 0.17597738 2.302585
2 2 0.25832942 2.302585
2 3 0.33638851 2.302585
3 4 0.20354567 2.302585
1 个解决方案
解决方案1
1 已采纳 2017-04-24 09:24:01
为了可视化概率回归模型的拟合优度，“标准”残差（例如，泊松或偏差）通常没有那么多信息，因为它们主要捕获均值而不是整个分布的模型。 有时使用的一种替代方法是（随机）分位数残差。 如果没有随机化，则将它们定义为qnorm(pdist(y)) ，其中pdist()是拟合的分布函数（此处是ZIP模型）， y是观测值， qnorm()是标准正态分布的分位数函数。 如果模型适合，则残差的分布应为标准正态分布，并可以在QQ图中进行检查。 在离散分布的情况下（如此处），需要随机化以破坏数据的离散性质。 见邓恩和史密斯（1996年， 杂志计算和图形统计 ，5，236-244），了解更多详情。 在R中，您可以使用R-Forge的countreg软件包（希望很快也会在CRAN上使用）。
检查数据的边际分布的另一种方法是所谓的根图。 它直观地比较了观察到的和拟合的频率，分别为0、1，...。与显示随机分位数残差的QQ图相比，显示零和/或过度分散的问题通常更好。 有关更多详细信息，请参见我们的论文Kleiber＆Zeileis（2016， The American Statistician ， 70 （3），296–303， doi：10.1080 / 00031305.2016.1173590 ）。
将这些快速应用于回归模型表明，零膨胀的泊松不能说明响应中的过度分散。 （当计数达到或超过100时，基于Poisson的分布几乎不适合。）此外，零通货膨胀模型不太适合，因为当assnage = 1和= 2时，零很少，因此不需要零通货膨胀。 这导致零膨胀部分中的相应系数朝着-Inf方向-Inf并具有非常大的标准误差（例如在二元回归中的准分离中）。 因此，由两部分组成的跨栏模型比较合适，并且可能更易于解释。 最后，由于两个assnage组不同，因此我将assnage编码为一个因素（尚不清楚您是否已经这样做）。
因此，为了分析您的数据，我使用您帖子中提供的yc并确保：
yc$assnage <- factor(yc$assnage)
为了assnage的影响，我绘制了count是否为正（左：零障碍）和正count在对数刻度上（右：计数）。
plot(factor(count > 0, levels = c(FALSE, TRUE), labels = c("=0", ">0")) ~ assnage,
data = yc, ylab = "count", main = "Zero hurdle")
plot(count ~ assnage, data = yc, subset = count > 0,
log = "y", main = "Count (positive)")
然后，我使用R-Forge的countreg软件包安装了ZIP，ZINB和跨栏NB模型。 它还包含zeroinfl()和hurdle()函数的更新版本。
install.packages("countreg", repos = "http://R-Forge.R-project.org")
library("countreg")
zip <- zeroinfl(count ~ assnage * spawncob, offset = logoffset,
data = yc, dist = "poisson")
zinb <- zeroinfl(count ~ assnage * spawncob, offset = logoffset,
data = yc, dist = "negbin")
hnb <- hurdle(count ~ assnage * spawncob, offset = logoffset, data = yc,
dist = "negbin")
ZIP显然不合适，而NB栏比ZINB稍好。
BIC(zip, zinb, hnb)
## df BIC
## zip 20 7700.085
## zinb 21 3574.720
## hnb 21 3556.693
如果您查看summary(zinb)您还将看到零通胀部分的一些系数大约为10（对于虚拟变量），标准误差summary(zinb)到两个数量级。 从本质上讲，这意味着相应组中的零膨胀概率变为零，因为负二项式分布对于零响应（ assnage组1和2）已经具有足够的概率权重。
为了可视化HNB正确捕获响应时ZIP模型不适合，我们现在可以使用根图。
rootogram(zip, main = "ZIP", ylim = c(-5, 15), max = 50)
rootogram(hnb, main = "HNB", ylim = c(-5, 15), max = 50)
ZIP的波形模式清楚地显示了模型无法正确捕获的数据中的过度分散。 相比之下，该障碍相当合适。
最后，我们还可以查看跨栏模型中分位数残差的QQ图。 这些看起来很正常，并且没有显示出与模型可疑的偏离。
qqrplot(hnb, main = "HNB")
由于残差是随机的，因此您可以重新运行代码几次，以得到变化的印象。 qqrplot()还具有一些参数，可让您在单个图中探索这种变化。
R 中的预测 function 和零膨胀负二项式 model 错误
[英]Error with predict function and zero-inflated negative binomial model in R
GLMMadaptive (R) 中的零膨胀两部分模型：固定效应零部分的方差分析？
[英]Zero-inflated two-part models in GLMMadaptive (R): anova on fixed effects zero-part?
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.