[英]tobit model in R, using censReg(), with arbitrary observed values of censored observations
[英]Tobit regression in R, while looping regressions my data is not censored using censReg
蜂群思维!
我正在对多个数据集(每种抗生素和浓度)进行循环回归分析。 部分数据在 3.912023 的下限处截尾。 所以在这些情况下我需要使用 censReg() 而不是 lm() 。
即使多个子集包括下限,模型输出也是每个回归的 lm()。
关于我在这里做错了什么的任何想法?
model.summary<- tibble()
for(j in unique(myData$antibiotic)){
abx<- filter(myData, antibiotic == j)
for(i in unique(abx$concentration)){
if (min(abx$datapoints) == 3.912023){
conc<-filter(abx, concentration == i)
model<-censReg(x ~ y, data = conc, left = 3)
model.coef<-coef(model)[2]
model.list<-c(j,i ,model.coef)
model.summary<-bind_rows(model.summary, model.list)
} else {
conc<-filter(abx, concentration == i)
model<-lm(x ~ y, data = conc)
model.coef<-coef(model)[2]
model.list<-c(j,i, model.coef)
model.summary<-bind_rows(model.summary, model.list)
}
}
}
抗生素 (chr) | 浓 (fct) | x (dbl) | y (dbl) |
---|---|---|---|
乙 | 2 | 0 | 14.1 |
乙 | 2 | 0.167 | 12.0 |
乙 | 2 | 0.5 | 9.58 |
乙 | 2 | 1 | 8.40 |
乙 | 2 | 2 | 6.29 |
乙 | 2 | 5 | 3.91 |
乙 | 4 | 0 | 14.1 |
乙 | 4 | 0.167 | 4.61 |
乙 | 4 | 0.5 | 3.91 |
乙 | 4 | 1 | 3.91 |
乙 | 4 | 2 | 3.91 |
乙 | 4 | 5 | 3.91 |
我建议您弄清楚问题发生在循环的哪一轮。 然后,您可以在选定的循环中研究回归分析,并提供一个说明问题的最小示例。 (抱歉,我不能将我的评论作为“评论”发表,因为我还没有“50 声望”。)
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.