DFFIT untuk Regresi Beta

Question

Saya mencoba menghitung DFFITS untuk GLM, di mana tanggapan mengikuti distribusi Beta. Dengan menggunakan betaregpaket R. Tapi menurut saya paket ini tidak mendukung influence.measures()karena menggunakan dffits() Code

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

itu menghasilkan

Kesalahan dalam if (model $ rank == 0) {: argumen panjangnya nol

Saya seorang pemula di R. Saya tidak tahu bagaimana mengatasi masalah ini. Mohon bantuannya untuk menyelesaikan ini atau beri saya beberapa tip melalui kode R tentang cara menghitung DFFIT secara manual. Salam

Answer 1

dffitstidak diterapkan untuk "betareg"objek, tetapi Anda dapat mencoba menghitungnya secara manual.

Menurut T / A Stack Overflow ini kita dapat menulis fungsi ini:

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)
  })
}

Ini bekerja dengan baik untuk lm:

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

Sekarang mari kita coba 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 

Tampak tidak buruk.

Catatan:

• Meskipun ini berfungsi dalam kode, Anda harus memeriksa apakah itu memenuhi persyaratan statistik Anda!
• Saya telah menggunakan suppressWarningsdi baris 5:6dari dffits1. predict(bfit, ReadingSkills)menjatuhkan contrastsentah bagaimana, sedangkan predict(bfit)tidak (praktis harus sama). Namun hasilnya identik: all.equal(predict(bfit, ReadingSkills), predict(bfit))sehingga mengabaikan peringatan akan aman.