0 excessifs dans une variable par rapport à une distribution de référence spécifiée. Les approches de régression comprennent des modèles sans gonflement et des modèles d'obstacles (en deux parties). Pour les données de dénombrement, les modèles gonflés à zéro et d'obstacles basés sur des distributions binomiales de Poisson ou négatives sont courants (ZIP / ZINB et HP / HNB).
Quelles parcelles de diagnostic (et peut-être des tests formels) trouvez-vous le plus informatif pour les régressions où le résultat est une variable de comptage? Je suis particulièrement intéressé par les modèles de Poisson et binomiaux négatifs, ainsi que par leurs homologues à gonflement nul et...
Je me demande s’il existe une différence nette entre les distributions (modèles) à gonflement nul et les distributions (modèles) à seuil de passage à zéro? Les termes apparaissent assez souvent dans la littérature et je suppose qu'ils ne sont pas les mêmes, mais pourriez-vous m'expliquer la...
Je commence à me familiariser avec l’utilisation de glmnetavec LASSO Regression, où mon résultat d’intérêt est dichotomique. J'ai créé un petit cadre de données fictif ci-dessous: 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,...
Considérons un modèle d'obstacles prédisant les données yde comptage à partir d'un prédicteur 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 Dans ce cas, j'ai...
J'essaie de me présenter quand il convient d'utiliser quel type de régression (géométrique, Poisson, binôme négatif) avec les données de comptage, dans le cadre GLM (seules 3 des 8 distributions GLM sont utilisées pour les données de comptage, bien que la plupart de ce que J'ai lu des centres...
J'ai quelques données en [0,1] que je voudrais analyser avec une régression bêta. Bien sûr, quelque chose doit être fait pour s'adapter aux valeurs 0,1. Je n'aime pas modifier les données pour les adapter à un modèle. Je ne pense pas non plus que l'inflation zéro et 1 soit une bonne idée car je...
J'essaie de produire un modèle pour lequel j'ai une variable de réponse qui est une proportion entre 0 et 1, cela inclut pas mal de 0 et de 1 mais aussi de nombreuses valeurs entre les deux. Je pense à tenter une régression bêta. Le package que j'ai trouvé pour R (betareg) n'autorise que des...
Existe-t-il un tel ensemble qui prévoit une estimation du modèle binomial à effets mixtes négatifs gonflés zéro dans R? J'entends par là: Zero-inflation où vous pouvez spécifier le modèle binomial pour zéro inflation, comme dans la fonction zeroinfl dans le package pscl: zeroinfl (y ~ X | Z, dist =...
La régression bêta (c'est-à-dire GLM avec distribution bêta et généralement la fonction de lien logit) est souvent recommandée pour traiter la réponse aka variable dépendante prenant des valeurs comprises entre 0 et 1, telles que les fractions, les ratios ou les probabilités: régression pour un...
J'essaie actuellement d'appliquer un modèle linéaire ( family = gaussian) à un indicateur de biodiversité qui ne peut pas prendre des valeurs inférieures à zéro, est gonflé à zéro et est continu. Les valeurs vont de 0 à un peu plus de 0,25. En conséquence, il y a un schéma assez évident dans les...
J'ai du mal à comprendre les distributions zéro gonflées. Que sont-ils? À quoi ça sert? Si j'ai des données avec plusieurs zéros, alors je pourrais ajuster une régression logistique d'abord calculer la probabilité des zéros, puis je pourrais supprimer tous les zéros, puis ajuster une régression...
Une distribution de Tweedie peut modéliser des données asymétriques avec une masse ponctuelle à zéro lorsque le paramètre (exposant dans la relation moyenne-variance) est compris entre 1 et 2.ppp De même, un modèle gonflé à zéro (qu'il soit par ailleurs continu ou discret) peut avoir un grand...
Supposons que sont indépendants etY=(Y1,…,Yn)′Y=(Y1,…,Yn)′ \textbf{Y} = (Y_1, \dots, Y_n)' Ouije= 0Ouije= kavec probabilité p je+(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} \...
J'essaie de mettre en place un modèle de poisson zéro gonflé dans R et JAGS. Je suis nouveau chez JAGS et j'ai besoin de conseils sur la façon de le faire. J'ai essayé avec ce qui suit où y [i] est la variable observée model { for (i in 1:I) { y.null[i] <- 0 y.pois[i] ~ dpois(mu[i]) pro[i] <-...
J'ai un très petit ensemble de données sur l'abondance des abeilles solitaires que j'ai du mal à analyser. Ce sont des données de comptage, et presque tous les comptages sont dans un traitement avec la plupart des zéros dans l'autre traitement. Il existe également quelques valeurs très élevées (une...
La déviance à l'échelle, définie comme D = 2 * (log-vraisemblance du modèle saturé moins log-vraisemblance du modèle ajusté), est souvent utilisée comme mesure de la qualité de l'ajustement dans les modèles GLM. Le pourcentage de déviance expliqué, défini comme [D (modèle nul) - D (modèle ajusté)]...
J'essaie de lancer un modèle pour estimer dans quelle mesure les maladies catastrophiques telles que la tuberculose, le sida, etc. affectent les dépenses d'hospitalisation. J'ai "par coût d'hospitalisation" comme variable dépendante et divers marqueurs individuels comme variables indépendantes, qui...
Pour analyser les dénombrements d'oiseaux gonflés à zéro, j'aimerais appliquer des modèles de comptage à gonflage nul en utilisant le package R pscl . Cependant, après avoir regardé l'exemple fourni dans la documentation pour l'une des principales fonctions ( ? Zeroinfl ), je commence à douter du...
Je voudrais tester dans quelle régression correspond le mieux à mes données. Ma variable dépendante est un nombre et a beaucoup de zéros. Et j'aurais besoin d'aide pour déterminer le modèle et la famille à utiliser (poisson ou quasipoisson, ou régression poisson zéro gonflé), et comment tester les...
Quelqu'un peut-il montrer comment la valeur et la variance attendues du Poisson gonflé zéro, avec la fonction de masse de probabilité 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 \\...