我想使用gamlss软件包来拟合一个模型,从该包中更多可用的发行版中受益。然而,我很难正确地说明我的随机效应,或者至少我认为这是一个错误,因为如果我将lmer模型的输出与高斯分布进行比较,而gamlss模型与高斯分布的输出不同。如果将无随机效应的lm模型与高斯分布和无随机效应的gamlss模型进行比较,则输出是相似的。
不幸的是,我无法分享我的数据来复制它。这里我的代码:
df <- subset.data.frame(GFW_food_agg, GFW_food_agg$fourC_area_perc < 200, select = c("ISO3", "Year", "Forest_loss_annual_perc_boxcox", "fourC_area_perc", "Pop_Dens_km2", "Pop_Growth_perc", "GDP_Capita_current_USD", "GDP_Capita_growth_perc",
"GDP_AgrForFis_percGDP", "Gini_2008_2018", "Arable_land_perc", "Forest_loss_annual_perc_previous_year", "Forest_extent_2000_perc"))
fourC <- lmer(Forest_loss_annual_perc_boxcox ~ fourC_area_perc + Pop_Dens_km2 + Pop_Growth_perc + GDP_Capita_current_USD +
GDP_Capita_growth_perc + GDP_AgrForFis_percGDP + Gini_2008_2018 + Arable_land_perc + Forest_extent_2000_perc + (1|ISO3) + (1|Year),
data = df)
summary(fourC)
resid_panel(fourC)
df <- subset.data.frame(GFW_food_agg, GFW_food_agg$fourC_area_perc < 200, select = c("ISO3", "Year", "Forest_loss_annual_perc_boxcox", "fourC_area_perc", "Pop_Dens_km2", "Pop_Growth_perc", "GDP_Capita_current_USD", "GDP_Capita_growth_perc",
"GDP_AgrForFis_percGDP", "Gini_2008_2018", "Arable_land_perc", "Forest_loss_annual_perc_previous_year", "Forest_extent_2000_perc"))
df <- na.omit(df)
df$ISO3 <- as.factor(df$ISO3)
df$Year <- as.factor(df$Year)
fourC <- gamlss(Forest_loss_annual_perc_boxcox ~ fourC_area_perc + Pop_Dens_km2 + Pop_Growth_perc + GDP_Capita_current_USD +
GDP_Capita_growth_perc + GDP_AgrForFis_percGDP + Gini_2008_2018 + Arable_land_perc + Forest_extent_2000_perc + random(ISO3) + random(Year),
data = df, family = NO, control = gamlss.control(n.cyc = 200))
summary(fourC)
plot(fourC)如何在gamlss中指定随机效应,使之类似于lmer中的随机效应?
如果我指定随机效果,则使用
re(random = ~1|ISO3) + re(random = ~1|Year)我得到了以下错误:model.frame.default中的错误(公式= Forest_loss_annual_perc_boxcox ~:可变长度的差异(在“re(随机= ~1 \\ISO3)”中找到)
发布于 2022-01-19 21:35:51
我发现+re(random=~1|x)规范在我的GAMLSS中运行得相当好。您是否已再次检查是否正在从数据集中删除NA?有时na.omit不能正常工作。
看看这个线程,它的错误与您的线程相同,但是在GAM中。您可以尝试使用该代码来删除您的NA
https://stackoverflow.com/questions/69648563
复制相似问题