Question

正如glm（）的文档所解释的那样，glm（）返回的值的aic组件不是有效的AIC：

对于高斯，伽马和逆高斯根据残差来估计色散偏差，参数的数量是多少系数加一。对于一个高斯家庭的MLE 使用色散，因此这是AIC的有效值，但是 Gamma和反高斯族不是。

因此，需要以其他方式获得有效的AIC。

Answer 1

如果你想使用step（）或MASS :: stepAIC（）模型选择函数，你可以先确保通过这样的方式正确计算AIC：

GammaAIC <- function(fit){
  disp <- MASS::gamma.dispersion(fit)
  mu <- fit$fitted.values
  p <- fit$rank
  y <- fit$y
  -2 * sum(dgamma(y, 1/disp, scale = mu * disp, log = TRUE)) + 2 * p
}
GammaAICc <- function(fit){
  val <- logLik(fit)
  p <- attributes(val)$df
  n <- attributes(val)$nobs
  GammaAIC(fit) + 2 * p * (p + 1) / (n - p - 1)      
}

my_extractAIC <- function(fit, scale=0, k=2, ...){
  n <- length(fit$residuals)
  edf <- n - fit$df.residual  
  if (fit$family$family == "Gamma"){
    aic <- GammaAIC(fit)
  } else {
    aic <- fit$aic
  }
  c(edf, aic + (k - 2) * edf)
}
assignInNamespace("extractAIC.glm", my_extractAIC, ns="stats")

如果使用glmulti软件包，只需使用glmulti（）的crit参数指定上述GammaAIC（）或GammaAICc（）函数的使用。

如何通过AIC在R中使用Gamma GLM进行模型选择？

1 个答案: