从 R gamlss 对象预测新拟合值时出错

Question

我有一个 gamlss 模型，我想用它来做出新的 y 预测（和置信区间），以便可视化模型与真实数据的拟合程度。我想根据随机预测变量值的新数据集（而不是原始数据）进行预测，但我运行收到一条错误消息。下面是一些示例代码：

library(gamlss)    

# example data
irr <- c(0,0,0,0,0,0.93,1.4,1.4,2.3,1.5)
lite <- c(0,1,2,2.5)
blck <- 1:8
raw <- data.frame(
   css =abs(rnorm(500, mean=0.5, sd=0.1)),
   nit =abs(rnorm(500, mean=0.72, sd=0.5)),
   irr =sample(irr, 500, replace=TRUE),
   lit =sample(lite, 500, replace=TRUE),
   block =factor(sample(blck, 500, replace=TRUE))
)

# the model
mod <- gamlss(css~nit + irr + lit + random(block), 
       sigma.fo=~irr*nit + random(block), data=raw, family=BE)

# new data (predictors) for making css predictions
pred <- data.frame(
nit =abs(rnorm(500, mean=0.72, sd=0.5)),
irr =sample(irr, 500, replace=TRUE),
lit =sample(lite, 500, replace=TRUE),
block =factor(sample(blck, 500, replace=TRUE))
)

# make predictions
predmu <- predict(mod, newdata=pred, what="mu", type="response")

这会产生以下错误：

Error in data[match(names(newdata), names(data))] : 
  object of type 'closure' is not subsettable

当我在我的真实数据上运行时，它给出了这个略有不同的错误：

Error in `[.data.frame`(data, match(names(newdata), names(data))) : 
  undefined columns selected

当我在没有 newdata 的情况下使用 predict 时，它可以很好地对原始数据进行预测，如：

predmu <- predict(mod, what="mu", type="response")

我是不是预测错了？非常感谢任何建议！谢谢。

Answer 1

不，你没有看错。我遇到过同样的问题。

文档表明 predict 的实现不完整。这似乎是不完整 feature/function.

的示例

Answer 2

Hedgehog 提到基于新数据的预测尚不可能。 BonnieM 因此 "moved the model" 进入 lmer().

我想进一步评论这个想法： BonniM 尝试根据对象 mod

进行预测

mod <- gamlss(css~nit + irr + lit + random(block), 
   sigma.fo=~irr*nit + random(block), data=raw, family=BE)

"Moving into lme()" 在这种情况下可能如下所示：

mod2 <- gamlss(css~nit + irr + lit + re(random=~1|block), 
               sigma.fo=~irr*nit + re(random=~1|block), 
               data=raw, 
               family=BE)

基于 mod2 的新数据预测在 gamlss2 包中实现。此外，mod 和 mod2 应该是相同的模型。看： Stasinopoulos, M. D.、Rigby, R. A.、Heller, G. Z.、Voudouris, V. 和 De Bastiani, F.（2017 年）。灵活的回归和平滑：在 R. Chapman 和 Hall/CRC 中使用 GAMLSS。第10.9.1章

此致凯

Answer 3

我在这方面遇到了很多随机问题，发现使用权重参数进行拟合，一些额外的虚拟观察设置为权重零（但我感兴趣的预测变量）是一种解决方法。

Answer 4

通过确保 newdata 参数的新数据具有与运行 gamlss 模型时使用的完全相同的列结构，我能够克服未定义的列选择错误。

从 R gamlss 对象预测新拟合值时出错

Error when predicting new fitted values from R gamlss object

r

predict

gam