আর শূন্য-স্ফীত গণনা ডেটা রিগ্রেশন থেকে স্ট্যান্ডার্ড ত্রুটিগুলি কীভাবে পাবেন? [বন্ধ]

Question

নিম্নলিখিত কোড

PredictNew <- predict (glm.fit, newdata = Predict, X1 =X1, Y1= Y1, 
                       type = "response", se.fit = TRUE)

একটি 3-কলাম তৈরি করে - data.frameপ্রিডিক্টিউইউ, লাগানো মান, মান ত্রুটি এবং একটি অবশিষ্ট স্কেল শব্দ।

পারফেক্ট ... তবে এতে লাগানো একটি মডেল ব্যবহার করে zeroinfl {pscl}:

PredictNew <- predict (zeroinfl.fit, newdata = Predict, X1 =X1, Y1= Y1, 
                       type = "response", se.fit = TRUE)

অথবা

PredictNew <- predict (zeroinfl.fit, newdata = Predict, X1 =X1, Y1= Y1, 
                       type = "response", se.fit = TRUE, MC = 2500, conf = .95))

কেবল লাগানো মানগুলির একক কলাম ভেক্টর উত্পাদন করে। আমি তবে স্ট্যান্ডার্ড ত্রুটি থাকতে খুব আগ্রহী হতে চাই। আমি যা পড়েছি তা সমস্তই বলে যে তাদের উত্পাদন করা উচিত ..

(কোডটি কিছুটা সরল করা হয়েছে, আমার কাছে আসলে চারটি ভেরিয়েবল এবং একটি অফসেট রয়েছে - predict.glmএবং se.fit = TRUEউত্পাদনকারী এসইগুলির সাথে কোনও প্রোব নেই ))

Comments

আর-সাহায্যে এই থ্রেডটি দেখুন: stat.ethz.ch/pipermail/r-help/2008- ডিসেম্বার / থ্রেড এইচটিএমএল#182806 (বিশেষত আছিম জেইলিয়াসের বার্তা যা আমার মনে হয় আপনি যা করতে চান তা করার জন্য কোড সরবরাহ করে করার চেষ্টা করছি). দেখে মনে হচ্ছে না এই সময়ে predict()ফাংশনে স্ট্যান্ডার্ড ত্রুটিগুলি কার্যকর করা হয়েছে zeroinfl()।

— স্মিলিগ

ধন্যবাদ, এই কোডটি বেশ যুক্তিসঙ্গত ফলাফল বলে মনে হয়েছিল। অন্যরা জানানো হচ্ছে যে se.fit জন্য নতুন zeroinfl.predict ফাংশনে ভবিষ্যদ্বাণী করা () প্যারামিটার = true অর্ডার পূর্বাভাস অন্তর বের করে আনতে মধ্যে SE পরিবর্তন করা হয়েছে = true এবং SE

— KalahariKev

Answer 1

আমার জ্ঞান অনুসারে, predictফলাফলগুলির জন্য পদ্ধতিটিতে zeroinflমানক ত্রুটি অন্তর্ভুক্ত নয়। আপনার লক্ষ্য যদি আত্মবিশ্বাসের অন্তর অন্তর্নির্মিত করা হয় তবে বুটস্ট্র্যাপিং ব্যবহার করার একটি আকর্ষণীয় বিকল্প। আমি আকর্ষণীয় বলেছি কারণ বুটস্ট্র্যাপিংয়ে আরও শক্তিশালী হওয়ার সম্ভাবনা রয়েছে (এসইএসের জন্য সমস্ত অনুমানগুলি পূরণ হলে দক্ষতার ক্ষতিতে)।

আপনি যা চান তা করার জন্য এখানে কিছু রুট কোড দেওয়া আছে। এটি ঠিক কাজ করবে না, তবে আশা করি আপনি প্রয়োজনীয় সংশোধন করতে পারেন।

## load boot package
require(boot)
## output coefficients from your original model
## these can be used as starting values for your bootstrap model
## to help speed up convergence and the bootstrap
dput(round(coef(zeroinfl.fit, "count"), 3))
dput(round(coef(zeroinfl.fit, "zero"), 3))

## function to pass to the boot function to fit your model
## needs to take data, an index (as the second argument!) and your new data
f <- function(data, i, newdata) {
  require(pscl)
  m <- zeroinfl(count ~ child + camper | persons, data = data[i, ], start = list(count = c(1.598, -1.0428, 0.834), zero = c(1.297, -0.564)))
  mparams <- as.vector(t(do.call(rbind, coef(summary(m)))[, 1:2]))
  yhat <- predict(m, newdata, type = "response")
  return(c(mparams, yhat))    
}

## set the seed and do the bootstrap, make sure to set your number of cpus
## note this requires a fairly recent version of R
set.seed(10)
res <- boot(dat, f, R = 1200, newdata = Predict, parallel = "snow", ncpus = 4)

## get the bootstrapped percentile CIs
## the 10 here is because in my initial example, there were 10 parameters before predicted values
yhat <- t(sapply(10 + (1:nrow(Predict)), function(i) {
  out <- boot.ci(res, index = i, type = c("perc"))
  with(out, c(Est = t0, pLL = percent[4], pUL = percent[5]))
}))

## merge CIs with predicted values
Predict<- cbind(Predict, yhat)

আমি লিখেছি এমন দুটি পৃষ্ঠাগুলি থেকে আমি এই কোডটি আঁকলাম, zeroinfl জিরো-স্ফীত পোইসনের সাথে শূন্য-স্ফীত পোয়েসন রিগ্রেশন থেকে একটি বুটস্ট্র্যাপিং প্যারামিটার এবং একটি জিরো-ট্রান্সকেটেড নেতিবাচক দ্বিপদী মডেল জিরো-ট্রান্সকেটেড নেতিবাচক দ্বিপদী থেকে ভবিষ্যদ্বাণীযুক্ত মানগুলির জন্য বুটস্ট্র্যাপড আত্মবিশ্বাসের ব্যবধানগুলি কীভাবে পাওয়া যায় তা প্রদর্শন করে one । সম্মিলিত, আশা করি এটি শূন্য-স্ফীত পোষন থেকে পূর্বাভাসিত মানগুলির সাথে কাজ করার জন্য পর্যাপ্ত উদাহরণ সরবরাহ করে। আপনি কিছু গ্রাফিং ধারণা পেতে পারেন :)

Comments

আমি আপনার কোডটি ভিজিএএম প্যাকেজে শূন্য-কাটা নেতিবাচক দ্বিপদী মডেলের জন্য মানিয়ে নেওয়ার চেষ্টা করেছি, তবে ত্রুটি পেয়েছি। আমি এখানে সিভি এবং লিঙ্ক এ একটি নতুন প্রশ্ন তৈরি করা উচিত? আমি সত্যিই এটি দিয়ে আপনার সাহায্যের প্রশংসা করব। বিশেষ করে, এই ত্রুটি আমি পেতে হল: Error in X.vlm.save %*% coefstart : non-conformable arguments।

— রাফেল কে