β回归的类anova对象

Question

我想知道，在R中有类似于anova的物体进行β回归吗？我知道它不是在betareg包中实现的，但我不明白为什么。

如果没有这样的对象，那么如何执行它是否很容易呢？

任何帮助都将不胜感激。

编辑：

我真正想要的是确定因素的重要性。对于lmtest包，它应该是这样的：

library("betareg")
data("ReadingSkills", package = "betareg")

m1 <- betareg(accuracy ~ dyslexia, data = ReadingSkills)
m2 <- betareg(accuracy ~ iq, data = ReadingSkills)
m3 <- betareg(accuracy ~ iq + dyslexia, data = ReadingSkills)
library("lmtest")
lrtest(m2, m3)
lrtest(m1, m3)

但是在模型中有大量的协变量，这种方法似乎有点不舒服。

Answer 1

与https://stats.stackexchange.com/questions/297465/deviance-in-hurdle-model/299857#299857类似，β回归模型不是标准的GLM，特别是在精度子模型中有回归子模型的情况下。因此，对偏差的分析并不像在GLMs中那样有效。(因此，@Adela提出的Anova()解决方案是不正确的。)

相反，可以使用包waldtest()和lrtest()的通用lmtest函数来进行嵌套模型比较的Wald或似然比测试。vignette("betareg", package = "betareg")也说明了这一点，下面还包括一个简单的例子：

library("betareg")
data("ReadingSkills", package = "betareg")
m0 <- betareg(accuracy ~ 1 | 1, data = ReadingSkills)
m1 <- betareg(accuracy ~ iq | 1, data = ReadingSkills)
m2 <- betareg(accuracy ~ iq + dyslexia | 1, data = ReadingSkills)
m3 <- betareg(accuracy ~ iq + dyslexia | iq + dyslexia, data = ReadingSkills)
library("lmtest")
lrtest(m0, m1, m2, m3)
## Likelihood ratio test
## 
## Model 1: accuracy ~ 1 | 1
## Model 2: accuracy ~ iq | 1
## Model 3: accuracy ~ iq + dyslexia | 1
## Model 4: accuracy ~ iq + dyslexia | iq + dyslexia
##   #Df LogLik Df  Chisq Pr(>Chisq)    
## 1   2 26.421                         
## 2   3 34.586  1 16.330  5.322e-05 ***
## 3   4 49.951  1 30.730  2.966e-08 ***
## 4   6 61.257  2 22.612  1.230e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Answer 2

嗯，我找到了答案-- Anova()函数可以从car包中得到。