DFFITs para Regressão Beta

Question

Estou tentando calcular DFFITS para GLM, onde as respostas seguem uma distribuição Beta. Usando betarego pacote R. Mas acho que este pacote não suporta influence.measures()porque usando 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

rende

Erro em if (model$rank == 0) {: o argumento tem comprimento zero

Sou iniciante no R. Não sei como resolver esse problema. Por favor, ajude a resolver isso ou me dê algumas dicas através do código R sobre como calcular DFFITs manualmente. Cumprimentos

Answer 1

dffitsnão são implementados para "betareg"objetos, mas você pode tentar calculá-los manualmente.

De acordo com esta P/R do Stack Overflow , poderíamos escrever esta função:

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)
  })
}

Funciona bem para lm:

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

Agora vamos tentar 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 

Não parece ruim.

Notas:

• Mesmo que funcione em código, você deve verificar se atende aos seus requisitos estatísticos!
• Eu usei suppressWarningsem linhas 5:6de dffits1. predict(bfit, ReadingSkills)cai de contrastsalguma forma, enquanto predict(bfit)que não (deveria ser praticamente o mesmo). No entanto, os resultados são idênticos: all.equal(predict(bfit, ReadingSkills), predict(bfit)), portanto, ignorar os avisos é seguro.