r语言 - DFFITs for Beta Regression

Question

我正在尝试计算GLM的DFFITS，其中响应遵循Beta分布。使用betaregR软件包。但我认为这个包不支持influence.measures()，因为使用dffits()代码

require(betareg)
df<-data("ReadingSkills")
y<-ReadingSkills$accuracy
n<-length(y)
bfit<-betareg(accuracy ~ dyslexia + iq, data = ReadingSkills)
DFFITS<-dffits(bfit, infl=influence(bfit, do.coef = FALSE))
DFFITS

它产生

if(model$rank==0(中的错误｛：参数的长度为零

我是R的新手。我不知道如何解决这个问题。请帮助解决这个问题，或者通过R代码给我一些如何手动计算DFFIT的提示。问候

Answer 1

dffits不是为"betareg"对象实现的，但您可以尝试手动计算它们。

根据这个堆栈溢出Q/A，我们可以编写这个函数：

dffits1 <- function(x1, bres.type="response") {
stopifnot(class(x1) %in% c("lm", "betareg"))
sapply(1:length(x1$fitted.values), function(i) {
x2 <- update(x1, data=x1$model[-i, ]) # leave one out
h <- hatvalues(x1)
nm <- rownames(x1$model[i, ])
num_dffits <- suppressWarnings(predict(x1, x1$model[i, ]) - 
predict(x2, x1$model[i, ]))
residx <- if (class(x1) == "betareg") {
betareg:::residuals.betareg(x2, type=bres.type)
} else {
x2$residuals
}
denom_dffits <- sqrt(c(crossprod(residx)) / x2$df.residual*h[i])
return(num_dffits / denom_dffits)
})
}

它适用于lm:

fit <- lm(mpg ~ hp, mtcars)
dffits1(fit)
stopifnot(all.equal(dffits1(fit), dffits(fit)))

现在让我们试试betareg:

library(betareg)
data("ReadingSkills")
bfit <- betareg(accuracy ~ dyslexia + iq, data=ReadingSkills)
dffits1(bfit)
#           1           2           3           4           5           6           7 
# -0.07590185 -0.21862047 -0.03620530  0.07349169 -0.11344968 -0.39255172 -0.25739032 
#           8           9          10          11          12          13          14 
#  0.33722706  0.16606198  0.10427684  0.11949807  0.09932991  0.11545263  0.09889406 
#          15          16          17          18          19          20          21 
#  0.21732090  0.11545263 -0.34296030  0.09850239 -0.36810187  0.09824013  0.01513643 
#          22          23          24          25          26          27          28 
#  0.18635669 -0.31192106 -0.39038732  0.09862045 -0.10859676  0.04362528 -0.28811277 
#          29          30          31          32          33          34          35 
#  0.07951977  0.02734462 -0.08419156 -0.38471945 -0.43879762  0.28583882 -0.12650591 
#          36          37          38          39          40          41          42 
# -0.12072976 -0.01701615  0.38653773 -0.06440176  0.15768684  0.05629040  0.12134228 
#          43          44 
#  0.13347935  0.19670715 

看起来还不错。

注意：

• 即使这在代码中有效，您也应该检查它是否符合您的统计要求
• 我在dffits1的5:6行中使用了suppressWarnings。predict(bfit, ReadingSkills)以某种方式降低了contrasts，而predict(bfit)没有(实际上应该是相同的(。然而，结果是相同的：all.equal(predict(bfit, ReadingSkills), predict(bfit))，因此忽略警告是安全的