Question

上下文 使用betareg包重现this example

我认为归结为betareg等同于GLM predict(...)

# Generate data
mydata <- data.frame(Ft = c(1, 6, 11, 16, 21, 2, 7, 12, 17, 22, 3, 8, 
                            13, 18, 23, 4, 9, 14, 19, 5, 10, 15, 20),
                     Temp = c(66, 72, 70, 75, 75, 70, 73, 78, 70, 76, 69, 70, 
                              67, 81, 58, 68, 57, 53, 76, 67, 63, 67, 79),
                     TD = c(0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 
                            0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 0))

# Run logistic regression model
model <- glm(TD ~ Temp, data=mydata, family=binomial(link="logit"))

# Create a temporary data frame of hypothetical values
temp.data <- data.frame(Temp = seq(53, 81, 0.5))

# Predict the fitted values given the model and hypothetical data
predicted.data <- as.data.frame(predict(model, newdata = temp.data, 
                                        type="link", se=TRUE))

glimpse(predicted.data)

  Observations: 57
  Variables: 3
  $ fit            <dbl> 2.73827620, 2.62219483, 2.50611346, 2.39003209, 2.27395072, 2.15786934, 2.0...
  $ se.fit         <dbl> 1.7132157, 1.6620929, 1.6111659, 1.5604536, 1.5099778, 1.4597631, 1.4098372...
  $ residual.scale <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ...

AFAICT betareg函数predict(...)不会生成在图表中显示置信区间功能区所需的se.fit值。

有人知道如何在此示例中模仿GLM predict(...)吗？

Answer 1

好的，这个＆＃34;回答＆＃34;确定这个问题不重要，并指出部分解决方案。

zoib包：此包提供se值，但仅适用于样本数据。未实施基于新数据的SE预测值估计。当我有机会时，我可以效仿。
以下文件的betareg包：附录B 包含必需的公式。 Ferrari，S.L.P。和Cribari-Neto，F。（2004）。 Beta Regression for Modeling Rates and Proportions。 Journal of Applied Statistics，31（7），799-815 它似乎没有计算出Std。预测值的错误已在betareg包中实现。

很高兴能够得到纠正。

Answer 2

我已经使用了'effects'包和allEffects（）函数

// no need to bing if you use an arrow function here

onClick = () => {
  console.log(this.state.currentColor);
  this.setState(state => ({
    currentColor: state.currentColor === '#FFF' ? 'red' : '#FFF',
  }));
};

我认为这是正确的（在图形上看起来很正确）：）

r betareg预测（...）相当于GLM预测（....）

2 个答案: