R ziplss 零膨胀(跨栏)泊松位置比例模型系列

说明

ziplss 系列实现了零膨胀(障碍)泊松模型，其中一个线性预测器控制存在概率，另一个控制给定存在的平均值。仅可与 gam 一起使用，线性预测变量通过公式列表指定。应谨慎使用：仅仅拥有大量零并不表示通货膨胀为零。

需要整数计数数据。

用法

ziplss(link=list("identity","identity"))
zipll(y,g,eta,deriv=0)

参数

link	指定链接的两个项目列表 - 目前仅可能存在恒等链接，因为参数化直接按照泊松响应的对数和存在概率的对数进行。
y	response
g	伽玛矢量
eta	埃塔向量
deriv	要计算的导数数量

细节

ziplss 与 gam 一起使用来拟合 2 阶段零膨胀泊松模型。 gam 使用包含 2 个公式的列表进行调用，第一个公式指定左侧的响应，右侧指定泊松参数的线性预测器的结构。第二个是单侧的，指定右侧存在概率的线性预测器。

该族的拟合值将是一个两列矩阵。第一列是泊松参数的对数，第二列是存在概率的互补对数对数。使用 predict.gam 进行预测还将生成 type "link" 和 "response" 的 2 列矩阵。

为此模型计算的零偏差假设估计单个存在概率和单个泊松参数。

对于具有大面积协变量空间且响应为零的数据，建议使用低阶惩罚来避免出现问题。对于一维平滑用途，例如s(x,m=1) 和各向同性平滑使用 Duchon.spline 代替具有 1 阶惩罚的薄石膏项，例如 s(x,z,m=c(1,.5)) — 这种平滑对常量进行惩罚，从而避免在数据信息不足时进行极端估计。

zipll 是 ziplss 使用的函数，导出仅允许外部使用 ziplss 系列。通常不直接调用它。

值

对于 ziplss 继承自类 general.family 的对象。

警告

零膨胀模型通常是over-used。数据中存在大量零本身并不意味着通货膨胀为零。 *考虑到模型平均值*，有太多零可能意味着零通胀。

例子

library(mgcv)
## simulate some data...
f0 <- function(x) 2 * sin(pi * x); f1 <- function(x) exp(2 * x)
f2 <- function(x) 0.2 * x^11 * (10 * (1 - x))^6 + 10 * 
            (10 * x)^3 * (1 - x)^10
n <- 500;set.seed(5)
x0 <- runif(n); x1 <- runif(n)
x2 <- runif(n); x3 <- runif(n)

## Simulate probability of potential presence...
eta1 <- f0(x0) + f1(x1) - 3
p <- binomial()$linkinv(eta1) 
y <- as.numeric(runif(n)<p) ## 1 for presence, 0 for absence

## Simulate y given potentially present (not exactly model fitted!)...
ind <- y>0
eta2 <- f2(x2[ind])/3
y[ind] <- rpois(exp(eta2),exp(eta2))

## Fit ZIP model... 
b <- gam(list(y~s(x2)+s(x3),~s(x0)+s(x1)),family=ziplss())
b$outer.info ## check convergence

summary(b) 
plot(b,pages=1)

作者

Simon N. Wood simon.wood@r-project.org

参考

Wood, S.N., N. Pya and B. Saefken (2016), Smoothing parameter and model selection for general smooth models. Journal of the American Statistical Association 111, 1548-1575 doi:10.1080/01621459.2016.1180986