0 excesivos en una variable en comparación con una distribución de referencia especificada. Los enfoques de regresión incluyen modelos inflados a cero y modelos de obstáculo (2 partes). Para los datos de recuento, son comunes los modelos inflados a cero y con obstáculos basados en Poisson o distribuciones binomiales negativas (ZIP / ZINB y HP / HNB).
¿Qué gráficos de diagnóstico (y quizás pruebas formales) encuentra más informativos para las regresiones en las que el resultado es una variable de conteo? Estoy especialmente interesado en los modelos binomiales de Poisson y negativos, así como en sus homólogos inflados a cero y obstáculos de...
Me pregunto si existe una diferencia clara entre las llamadas distribuciones (modelos) infladas a cero y las llamadas distribuciones (modelos) de obstáculo a cero. Los términos aparecen con bastante frecuencia en la literatura y sospecho que no son iguales, pero ¿podría explicarme la diferencia en...
Estoy empezando a incursionar con el uso de glmnetla LASSO regresión donde mi resultado de interés es dicotómica. He creado un pequeño marco de datos simulados a continuación: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84,...
Considere un modelo de obstáculo que predice datos de conteo yde un predictor normal x: set.seed(1839) # simulate poisson with many zeros x <- rnorm(100) e <- rnorm(100) y <- rpois(100, exp(-1.5 + x + e)) # how many zeroes? table(y == 0) FALSE TRUE 31 69 En este caso, tengo datos...
Estoy tratando de diseñar por mí mismo cuando es apropiado usar qué tipo de regresión (geométrica, Poisson, binomial negativa) con datos de recuento, dentro del marco GLM (solo 3 de las 8 distribuciones GLM se usan para datos de recuento, aunque la mayoría de lo que He leído centros alrededor de...
Tengo algunos datos en [0,1] que me gustaría analizar con una regresión beta. Por supuesto, hay que hacer algo para acomodar los valores de 0,1. No me gusta modificar los datos para que se ajusten a un modelo. Tampoco creo que la inflación cero y 1 sea una buena idea porque creo que en este caso...
Estoy tratando de producir un modelo para el que tengo una variable de respuesta que es una proporción entre 0 y 1, esto incluye bastantes 0s y 1s pero también muchos valores intermedios. Estoy pensando en intentar una regresión beta. El paquete que he encontrado para R (betareg) solo permite...
¿Existe tal paquete que proporcione la estimación del modelo de efectos mixtos binomiales negativos inflados a cero en R? Con eso quiero decir: Inflación cero donde puede especificar el modelo binomial para inflación cero, como en la función zeroinfl en el paquete pscl: zeroinfl (y ~ X | Z, dist...
La regresión beta (es decir, GLM con distribución beta y generalmente la función de enlace logit) a menudo se recomienda para tratar la respuesta, también conocida como variable dependiente que toma valores entre 0 y 1, como fracciones, razones o probabilidades: regresión para un resultado...
Actualmente estoy tratando de aplicar un modelo lineal ( family = gaussian) a un indicador de biodiversidad que no puede tomar valores inferiores a cero, está inflado a cero y es continuo. Los valores varían de 0 a un poco más de 0.25. Como consecuencia, hay un patrón bastante obvio en los residuos...
Estoy luchando por comprender las distribuciones infladas cero. ¿Qué son? ¿Cuál es el punto de? Si tengo datos con muchos ceros, entonces podría ajustar una regresión logística primero calcular la probabilidad de ceros, y luego podría eliminar todos los ceros, y luego ajustar una regresión regular...
Una distribución Tweedie puede modelar datos asimétricos con una masa de punto en cero cuando el parámetro ppagp (exponente en la relación media-varianza) está entre 1 y 2. Del mismo modo, un modelo inflado a cero (ya sea continuo o discreto) puede tener una gran cantidad de ceros. Tengo...
Supongamos que son independientes yY=(Y1,…,Yn)′Y=(Y1,…,Yn)′ \textbf{Y} = (Y_1, \dots, Y_n)' Yyo= 0Yyo= kwith probability pi+(1−pi)e−λiwith probability (1−pi)e−λiλki/k!Yi=0with probability pi+(1−pi)e−λiYi=kwith probability (1−pi)e−λiλik/k!\eqalign{ Y_i = 0 & \text{with probability} \...
Estoy tratando de configurar un modelo de Poisson inflado a cero en R y JAGS. Soy nuevo en JAGS y necesito alguna orientación sobre cómo hacerlo. He estado intentando con lo siguiente donde y [i] es la variable observada model { for (i in 1:I) { y.null[i] <- 0 y.pois[i] ~ dpois(mu[i])...
Tengo un conjunto de datos muy pequeño sobre la abundancia de abejas solitarias que estoy teniendo problemas para analizar. Son datos de recuento, y casi todos los recuentos están en un tratamiento con la mayoría de los ceros en el otro tratamiento. También hay un par de valores muy altos (uno en...
La desviación escalada, definida como D = 2 * (log-verosimilitud del modelo saturado menos log-verosimilitud del modelo ajustado), a menudo se usa como una medida de bondad de ajuste en los modelos GLM. El porcentaje de desviación explicado, definido como [D (modelo nulo) - D (modelo ajustado)] / D...
Estoy tratando de ejecutar un modelo para estimar qué tan bien las enfermedades catastróficas como la tuberculosis, el SIDA, etc. afectan el gasto en hospitalización. Tengo "costo por hospitalización" como variable dependiente y varios marcadores individuales como variables independientes, casi...
Para analizar los recuentos de aves inflados a cero, me gustaría aplicar modelos de recuento inflados a cero usando el paquete R pscl . Sin embargo, al observar el ejemplo proporcionado en la documentación para una de las funciones principales ( ? Zeroinfl ), empiezo a dudar de cuál es la verdadera...
Me gustaría probar en qué regresión se ajusta mejor a mis datos. Mi variable dependiente es un recuento y tiene muchos ceros. Y necesitaría ayuda para determinar qué modelo y familia usar (poisson o cuasipoisson, o regresión de poisson inflada a cero) y cómo probar los supuestos. Regresión de...
¿Alguien puede mostrar cómo el valor esperado y la varianza del Poisson inflado cero, con función de masa de probabilidad f(y)={π+(1−π)e−λ,(1−π)λye−λy!,if y=0if y=1,2....f(y)={π+(1−π)e−λ,if y=0(1−π)λye−λy!,if y=1,2.... f(y) = \begin{cases} \pi+(1-\pi)e^{-\lambda}, & \text{if }y=0...