Binomiale negativo con effetti misti con errori standard robusti (Huber-white) in R
Vorrei adattare un modello di effetti casuali in R utilizzando la distribuzione binomiale negativa e riportando errori standard robusti.
Stavo per provare a utilizzare il pacchetto sandwich per calcolare i robusti errori standard dall'oggetto modello adattato:
lmtest::coeftest(my_me_model, vcov = sandwich::vcovHC(my_me_model, type = "HC0"))
lme4::glmer.nb()
mi consente di adattare un modello a effetti misti, tuttavia non sono in grado di calcolare errori standard robusti, sembra che il modello restituito da lme4::glmer.nb()
sia una classe s4.
lmtest::coeftest(my_me_model, vcov = sandwich::vcovHC(my_me_model, type = "HC0"))
Error in UseMethod("estfun") :
no applicable method for 'estfun' applied to an object of class "c('glmerMod', 'merMod')"
La funzione del pacchetto robustlmm rlmer() mi consente di calcolare errori standard robusti "huberizzazione della verosimiglianza e stima della scala DAS", tuttavia non riesco a vedere un modo per utilizzare il binomio negativo con questo pacchetto.
Il pacchetto ptmixed mi consente di adattare un binomio negativo I con effetti misti, ma non riesco a vedere un modo per calcolare errori standard robusti. Quindi il problema inverso che ho riscontrato con robustlmm.
Mi sono anche imbattuto nel pacchetto glmTMB che mi consente anche di adattare un modello di effetti misti bionomiali negativi, ma in cui non sono nemmeno in grado di utilizzare, ad esempio, sandwich per calcolare errori standard robusti.
Come posso adattare una regressione binomiale negativa con effetti misti e quindi calcolare errori standard robusti (Huber-white)?
Risposte
Le covarianze sandwich sono disponibili per un'ampia gamma di modelli di massima verosimiglianza standard in sandwich
(incluso l'output di glm()
, glm.nb()
, zeroinfl()
e hurdle()
). Tuttavia, per i modelli a effetti misti questo è meno semplice, ma c'è il lavoro relativamente recente in merDeriv
:
Wang T, Merkle CE (2018). "
merDeriv
: Calcoli derivati per modelli di effetti misti lineari con applicazione a errori standard robusti." Journal of Statistical Software, frammenti di codice , 87 (1), 1–16. doi:10.18637/jss.v087.c01 .
Includono i metodi necessari per collegare l'output da lmer()
e glmer()
nella sandwich()
funzione e forniscono anche un vcov()
metodo per questi oggetti. Tuttavia, vcovHC()
non è applicabile ma sandwich()
corrisponde essenzialmente a HC0.
Per quanto riguarda gli oggetti adattati da glmer.nb()
: Il vcov()
metodo in merDeriv
funziona per questi oggetti ma sandwich()
non lo fa. Consiglierei di entrare in contatto con gli merDeriv
autori e chiedere loro se sarebbe possibile sostenere glmer.nb()
anche loro.