fit GLM für weibliche Familie [geschlossen]

8

Ich versuche, ein verallgemeinertes lineares Modell für die weibliche Familie anzupassen, aber wenn ich es in R versuche, gibt es einen Fehler. Ich weiß, dass weibull nicht in eine exponentielle Familie passt, aber ich habe einige Forschungsartikel über die Anpassung von GLM für weibull-Familien gelesen. Wenn mir jemand dabei helfen kann, weiß ich das wirklich zu schätzen. Es gibt den folgenden Fehler.

> data(lung)
> glm(time ~ age+sex+ph.ecog+ wt.loss, family = weibull(link='log'), data = lung)
Error in glm(time ~ age + sex + ph.ecog + wt.loss, family = weibull(link = "log"),  : 
  could not find function "weibull"

r generalized-linear-model survival gamlss

— NiroshaR
quelle

4

Tut mir leid, dass ich ziemlich spät dran bin ... aber ich könnte jemandem helfen, an den ich glaube:

gamlssPaket ist das, wonach Sie suchen sollten. Es unterstützt fast alle Verteilungen (nicht nur exponentielle Familienverteilungen). Es bietet erstaunliche Flexibilität bei fast allen Parametern einer Distribution.

— user3801801
quelle

3

+1. gamlssunterstützt die Weibull - Verteilung über WEI, WEI2und WEI3, alle 2-Parameter obwohl offensichtlich anders. Ich bin mir jedoch nicht sicher, ob es die Zensur unterstützt, was ein Schlüsselelement eines AFT-Überlebensmodells wäre.

— Wayne

@ Wayne Gamlss unterstützt definitiv die rechte Zensur und die linke Kürzung auch .... beide auch wenn gewünscht

— user3801801

3

Die glm()Funktion unterstützt die Weibull-Verteilung in R leider nicht. Sie können versuchen ?familyzu sehen, welche Distributionen verfügbar sind. Ich würde versuchen, stattdessen survreg()aus dem survivalPaket zu verwenden.

— Billywob
quelle

yeah glm () unterstützt weibull nicht. Ich versuche, den glm-Ansatz und das AFT-Modell mit Survreg zu verwenden und dann die Ergebnisse zweier Methoden zu vergleichen. Deshalb habe ich versucht, es herauszufinden, um glm für weibull zu passen. Vielen Dank für Ihre Kommentare. Ich schätze es.

— NiroshaR

1

Ich habe das brmsPaket verwendet, das Bayesianisch ist. Es unterstützt die Weibull-, Exponential-, Lognormal-, Frechet- und andere Familien und implementiert (links / rechts / Intervall) die Zensur, sodass AFT-Modelle implementiert werden. Es enthält auch zufällige Effekte, die in Überlebensmodellen als "Gebrechlichkeit" bekannt sind, und eine Vielzahl anderer Regressionsoptionen wie Glättungen im Gam-Stil.

Da Bayes'sche Ansätze MCMC-Sampling verwenden, ist es langsamer als glm, gamlssoder survreg, aber es ist auch eine umfassende Regressionslösung, und Bayesian zu sein hat andere Vorteile. (Ich liebe es stanplot, es bietet eine Vielzahl von aufschlussreichen Diagnoseplots.)

— Wayne
quelle