DFFIT dla regresji beta

Question

Próbuję obliczyć DFFITS dla GLM, gdzie odpowiedzi podążają za dystrybucją Beta. Korzystając z betaregpakietu R. Ale myślę, że ten pakiet nie obsługuje, influence.measures()ponieważ przy użyciu 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

to daje

Błąd w if (model $ rank == 0) {: argument ma długość zero

Jestem nowicjuszem w R. Nie wiem, jak rozwiązać ten problem. Prosimy o pomoc w rozwiązaniu tego problemu lub udzielenie mi kilku wskazówek dotyczących kodu R, jak ręcznie obliczyć DFFIT. pozdrowienia

Answer 1

dffitsnie są zaimplementowane dla "betareg"obiektów, ale możesz spróbować obliczyć je ręcznie.

Zgodnie z tym pytaniem o przepełnienie stosu możemy napisać tę funkcję:

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)
  })
}

Działa dobrze w przypadku lm:

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

Teraz spróbujmy 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 

Wygląda nieźle.

Uwagi:

• Nawet jeśli działa to w kodzie, powinieneś sprawdzić, czy spełnia Twoje wymagania statystyczne!
• Użyłem suppressWarningsw linii 5:6z dffits1. jakoś predict(bfit, ReadingSkills)spada contrasts, a predict(bfit)nie (powinno być praktycznie to samo). Jednak wyniki są identyczne: all.equal(predict(bfit, ReadingSkills), predict(bfit))dlatego ignorowanie ostrzeżeń jest bezpieczne.