Je suis en train de calculer Intervalles de confiance pour modèles zéro gonflés qui ont été mis en place à l'aide de la fonction zeroinfl()R: prévoir() pour le modèle zéro-gonflé ne retourne pas se.fit
Si je les calculer à partir d'un modèle linéaire ou GLM en utilisant la fonction
predict(glm, newdata, type = "response", se.fit = TRUE)
il fonctionne très bien et renvoie des valeurs pour un ajustement $, se.fit de $, $ df et residual.scale de $ (je ne sais pas ce que le les deux derniers résultats signifient - des précisions sont également très appréciées).
Cependant, quand je remplace le glm par un modèle à gonflage nul, je n'ai que les valeurs de $ fit.
Voici un exemple: (je ne sais pas comment utiliser set.seed - donc ne me blâmez pas que)
set.seed(123)
a <- data.frame(participant = c(1:10),
activity = c(round(abs(rnorm(10)))),
METmin = c(round(abs(rnorm(10)))),
Var4 = c(round(abs(rnorm(10)))),
Var5 = c(round(abs(rnorm(10)))))
b <- data.frame(participant = c(1:10),
activity = c(round(abs(rnorm(10)))),
METmin = c(round(abs(rnorm(10)))),
Var4 = c(round(abs(rnorm(10)))),
Var5 = c(round(abs(rnorm(10)))))
identical(a,b) #FALSE
model <- zeroinfl(METmin~activity + Var4 + Var5, data = a)
predict(model, newdata = b, type = "response", se.fit = T)
Est-ce que quelqu'un sait ce qui se passe mal et comment je peux calculer ces erreurs standard?
Merci beaucoup.
@MrFlick J'ai modifié la question ci-dessus. – fabha
$ df signifie degrés de liberté. Je ne suis pas familier avec residual.scale, cependant les résidus sont généralement tracés pour voir si elle est dispersée au hasard autour de y = 0. De https://stat.ethz.ch/R-manual/R-devel/library/stats/html/predict.glm.html, le $ residual.scale produit un scalaire donnant la racine carrée de la dispersion utilisée dans le calcul du erreurs standard. – user108363