Hola Javier, Si, cuando hablo de valor observado me refiero al valor real en campo y el predicho al que estiman los modelos. Disculpa, que no lo detallase así desde el principio. En mi caso trabajo con dos diferentes: Zero inflated y Binomial Negativo y me gustaría comprobar que diferencia (distancia) existe entre cada uno de ellos y la realidad. Estoy trabajando con los siguientes paquetes: library(pscl) library(MASS) library(AER) library(VGAM) library(truncreg) library(censReg) library(sampleSelection) library(ggplot2) library(boot) library(aod) library(lmtest) library(zoo) library(nlme) library(lmtest) library(boot) library(spatcounts) Mi duda es: ¿Que comando podría utilizar para calcular por valores predichos por el Binomial negativo para los 14 primeros valores de la variable dependiente? En el caso del ZIM utilizo: pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14])) Gracias por vuestra ayuda! ;) Lore El 6 de noviembre de 2014, 12:30, "Marcuzzi, Javier Rubén" < javier.ruben.marcuzzi en gmail.com> escribió:> Estimada Lorena Tudela > > Voy a escribir algo por como yo lo aprendí (quizás mal redactado para un > estad?itico), lo observado es lo que se mide a campo y lo predicho es lo > que surge a partir del modelo estadístico. Luego aprendí como realizarlo > con R, pero no siempre es posible en forma fácil, porque hay librerías que > tienen dentro de sus algoritmos la forma adecuada para la predicción, en > cambio otras no, y hay que realizarlo a mano. > > Por lo cuál es necesario conocer que herramienta dentro de R está > utilizando para sus modelos. Porque, puede ser que ella misma tenga la > solución o se deba escribir en código R, y no siempre se pueden combinar > una librería con la otra. > > Javier Marcuzzi > > El 06/11/14 a las 06:48, Lorena Tudela Marco escibió: > >> Buenos días a todxs, >> >> Estoy comparando la predicción de los valores (0, 1, 2, 3,.....hasta 13) >> frente a los observados. >> Con la idea de comparar el modelo Zero inflated y el Binomial negativo y >> ver cual presenta mas distancia frente a las predicciones observadas. >> >> Para ello introduzco los códigos en la consola: >> >> #Modelo ZIM >> pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14])) >> #Valores observados realmente >> obs<-table(IB$nijt)[1:14] >> #Tabla comparativa >> rbind( pred, obs) >> >> Y obtengo la siguiente tabla: >> >> 0 1 2 3 4 5 6 7 8 9 10 11 12 13 >> pred 3600 589 349 224 151 105 75 55 42 32 25 20 16 13 >> obs 3529 743 300 203 135 81 76 44 33 37 30 12 14 13 >> >> La duda me surge al intentarlo con el Modelo Binomial negativo.¿Sabeis que >> comando podría introducir para obtener los 13 valores predichos por el >> modelo BN? >> >> Muchas gracias por vuestra ayuda y buen día. >> >> Lorena >> >> [[alternative HTML version deleted]] >> >> _______________________________________________ >> R-help-es mailing list >> R-help-es en r-project.org >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es >[[alternative HTML version deleted]]
Lorena Ni idea: Parte 1, nlme puede calcular con predict..., tendría que leer las especificaciones de nlme, porque dentro de las opciones puede ser que ... Parte 2, tantas librerías juntas, ..., puede ser que la última que carga sobrepone una función a las anteriores. Yo no puedo opinar sobre librerías que nunca use, de pronto lo que usted escribe es correcto, pero yo no puedo asegurarlo, el problema me supera. Javier El 06/11/14 a las 12:42, Lorena Tudela Marco escibió:> Hola Javier, > > Si, cuando hablo de valor observado me refiero al valor real en campo > y el predicho al que estiman los modelos. Disculpa, que no lo > detallase así desde el principio. > > En mi caso trabajo con dos diferentes: Zero inflated y Binomial > Negativo y me gustaría comprobar que diferencia (distancia) existe > entre cada uno de ellos y la realidad. > > Estoy trabajando con los siguientes paquetes: > > library(pscl) > library(MASS) > library(AER) > library(VGAM) > library(truncreg) > library(censReg) > library(sampleSelection) > library(ggplot2) > library(boot) > > library(aod) > library(lmtest) > library(zoo) > library(nlme) > library(lmtest) > library(boot) > library(spatcounts) > > Mi duda es: ¿Que comando podría utilizar para calcular por valores > predichos por el Binomial negativo para los 14 primeros valores de la > variable dependiente? > > En el caso del ZIM utilizo: pred<-round(colSums(predict(zeroinfl, > type="prob") [,1:14])) > > Gracias por vuestra ayuda! ;) > > Lore > > > > El 6 de noviembre de 2014, 12:30, "Marcuzzi, Javier Rubén" > <javier.ruben.marcuzzi en gmail.com > <mailto:javier.ruben.marcuzzi en gmail.com>> escribió: > > Estimada Lorena Tudela > > Voy a escribir algo por como yo lo aprendí (quizás mal redactado > para un estad?itico), lo observado es lo que se mide a campo y lo > predicho es lo que surge a partir del modelo estadístico. Luego > aprendí como realizarlo con R, pero no siempre es posible en forma > fácil, porque hay librerías que tienen dentro de sus algoritmos la > forma adecuada para la predicción, en cambio otras no, y hay que > realizarlo a mano. > > Por lo cuál es necesario conocer que herramienta dentro de R está > utilizando para sus modelos. Porque, puede ser que ella misma > tenga la solución o se deba escribir en código R, y no siempre se > pueden combinar una librería con la otra. > > Javier Marcuzzi > > El 06/11/14 a las 06:48, Lorena Tudela Marco escibió: > > Buenos días a todxs, > > Estoy comparando la predicción de los valores (0, 1, 2, > 3,.....hasta 13) > frente a los observados. > Con la idea de comparar el modelo Zero inflated y el Binomial > negativo y > ver cual presenta mas distancia frente a las predicciones > observadas. > > Para ello introduzco los códigos en la consola: > > #Modelo ZIM > pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14])) > #Valores observados realmente > obs<-table(IB$nijt)[1:14] > #Tabla comparativa > rbind( pred, obs) > > Y obtengo la siguiente tabla: > > 0 1 2 3 4 5 6 7 8 9 10 11 12 13 > pred 3600 589 349 224 151 105 75 55 42 32 25 20 16 13 > obs 3529 743 300 203 135 81 76 44 33 37 30 12 14 13 > > La duda me surge al intentarlo con el Modelo Binomial > negativo.¿Sabeis que > comando podría introducir para obtener los 13 valores > predichos por el > modelo BN? > > Muchas gracias por vuestra ayuda y buen día. > > Lorena > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > https://stat.ethz.ch/mailman/listinfo/r-help-es > >[[alternative HTML version deleted]]
Hola Lorena. Trabajé hace tiempo con binomiales negativas y esta página me sirvió bastante: http://www.ats.ucla.edu/stat/r/dae/nbreg.htm Ahí tienes una manera de sacar los "predicted values" para una negbinom. No se si es exactamente lo que buscas, pero te puede servir como punto de partida para encontrar la solución en caso de que no lo sea. Espero que te sirva. Un saludo. Víctor Granda García Ph.D. Student Dpto. BOS, Universidad de Oviedo El 6 de noviembre de 2014, 18:06, "Marcuzzi, Javier Rubén" < javier.ruben.marcuzzi en gmail.com> escribió:> Lorena > > Ni idea: > > Parte 1, nlme puede calcular con predict..., tendría que leer las > especificaciones de nlme, porque dentro de las opciones puede ser que ... > Parte 2, tantas librerías juntas, ..., puede ser que la última que carga > sobrepone una función a las anteriores. > > Yo no puedo opinar sobre librerías que nunca use, de pronto lo que usted > escribe es correcto, pero yo no puedo asegurarlo, el problema me supera. > > Javier > > > El 06/11/14 a las 12:42, Lorena Tudela Marco escibió: > > Hola Javier, > > > > Si, cuando hablo de valor observado me refiero al valor real en campo > > y el predicho al que estiman los modelos. Disculpa, que no lo > > detallase así desde el principio. > > > > En mi caso trabajo con dos diferentes: Zero inflated y Binomial > > Negativo y me gustaría comprobar que diferencia (distancia) existe > > entre cada uno de ellos y la realidad. > > > > Estoy trabajando con los siguientes paquetes: > > > > library(pscl) > > library(MASS) > > library(AER) > > library(VGAM) > > library(truncreg) > > library(censReg) > > library(sampleSelection) > > library(ggplot2) > > library(boot) > > > > library(aod) > > library(lmtest) > > library(zoo) > > library(nlme) > > library(lmtest) > > library(boot) > > library(spatcounts) > > > > Mi duda es: ¿Que comando podría utilizar para calcular por valores > > predichos por el Binomial negativo para los 14 primeros valores de la > > variable dependiente? > > > > En el caso del ZIM utilizo: pred<-round(colSums(predict(zeroinfl, > > type="prob") [,1:14])) > > > > Gracias por vuestra ayuda! ;) > > > > Lore > > > > > > > > El 6 de noviembre de 2014, 12:30, "Marcuzzi, Javier Rubén" > > <javier.ruben.marcuzzi en gmail.com > > <mailto:javier.ruben.marcuzzi en gmail.com>> escribió: > > > > Estimada Lorena Tudela > > > > Voy a escribir algo por como yo lo aprendí (quizás mal redactado > > para un estad?itico), lo observado es lo que se mide a campo y lo > > predicho es lo que surge a partir del modelo estadístico. Luego > > aprendí como realizarlo con R, pero no siempre es posible en forma > > fácil, porque hay librerías que tienen dentro de sus algoritmos la > > forma adecuada para la predicción, en cambio otras no, y hay que > > realizarlo a mano. > > > > Por lo cuál es necesario conocer que herramienta dentro de R está > > utilizando para sus modelos. Porque, puede ser que ella misma > > tenga la solución o se deba escribir en código R, y no siempre se > > pueden combinar una librería con la otra. > > > > Javier Marcuzzi > > > > El 06/11/14 a las 06:48, Lorena Tudela Marco escibió: > > > > Buenos días a todxs, > > > > Estoy comparando la predicción de los valores (0, 1, 2, > > 3,.....hasta 13) > > frente a los observados. > > Con la idea de comparar el modelo Zero inflated y el Binomial > > negativo y > > ver cual presenta mas distancia frente a las predicciones > > observadas. > > > > Para ello introduzco los códigos en la consola: > > > > #Modelo ZIM > > pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14])) > > #Valores observados realmente > > obs<-table(IB$nijt)[1:14] > > #Tabla comparativa > > rbind( pred, obs) > > > > Y obtengo la siguiente tabla: > > > > 0 1 2 3 4 5 6 7 8 9 10 11 12 13 > > pred 3600 589 349 224 151 105 75 55 42 32 25 20 16 13 > > obs 3529 743 300 203 135 81 76 44 33 37 30 12 14 13 > > > > La duda me surge al intentarlo con el Modelo Binomial > > negativo.¿Sabeis que > > comando podría introducir para obtener los 13 valores > > predichos por el > > modelo BN? > > > > Muchas gracias por vuestra ayuda y buen día. > > > > Lorena > > > > [[alternative HTML version deleted]] > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es >[[alternative HTML version deleted]]
Como comenta Javier lo importante sería saber que función exactamente (y de que paquete) utilizas para ajustar los modelos, probablemente tendrá un método predict asociado. Entiendo también que las predicciones dependen de otras variables explicativas por lo que el resumen global que estas haciendo no me parece lo más correcto. En principio podrías comparar directamente los valores AIC o BIC, comparar predicciones o incluso hacerlo mediante validación cruzada... Un saludo, Rubén. El 06/11/2014 18:06, Marcuzzi, Javier Rubén <javier.ruben.marcuzzi en gmail.com> escribió:> Lorena > > Ni idea: > > Parte 1, nlme puede calcular con predict..., tendría que leer las > especificaciones de nlme, porque dentro de las opciones puede ser que ... > Parte 2, tantas librerías juntas, ..., puede ser que la última que carga > sobrepone una función a las anteriores. > > Yo no puedo opinar sobre librerías que nunca use, de pronto lo que usted > escribe es correcto, pero yo no puedo asegurarlo, el problema me supera. > > Javier > > > El 06/11/14 a las 12:42, Lorena Tudela Marco escibió: > > Hola Javier, > > > > Si, cuando hablo de valor observado me refiero al valor real en campo > > y el predicho al que estiman los modelos. Disculpa, que no lo > > detallase así desde el principio. > > > > En mi caso trabajo con dos diferentes: Zero inflated y Binomial > > Negativo y me gustaría comprobar que diferencia (distancia) existe > > entre cada uno de ellos y la realidad. > > > > Estoy trabajando con los siguientes paquetes: > > > > library(pscl) > > library(MASS) > > library(AER) > > library(VGAM) > > library(truncreg) > > library(censReg) > > library(sampleSelection) > > library(ggplot2) > > library(boot) > > > > library(aod) > > library(lmtest) > > library(zoo) > > library(nlme) > > library(lmtest) > > library(boot) > > library(spatcounts) > > > > Mi duda es: ¿Que comando podría utilizar para calcular por valores > > predichos por el Binomial negativo para los 14 primeros valores de la > > variable dependiente? > > > > En el caso del ZIM utilizo: pred<-round(colSums(predict(zeroinfl, > > type="prob") [,1:14])) > > > > Gracias por vuestra ayuda! ;) > > > > Lore > > > > > > > > El 6 de noviembre de 2014, 12:30, "Marcuzzi, Javier Rubén" > > <javier.ruben.marcuzzi en gmail.com > > <mailto:javier.ruben.marcuzzi en gmail.com>> escribió: > > > > Estimada Lorena Tudela > > > > Voy a escribir algo por como yo lo aprendí (quizás mal redactado > > para un estad?itico), lo observado es lo que se mide a campo y lo > > predicho es lo que surge a partir del modelo estadístico. Luego > > aprendí como realizarlo con R, pero no siempre es posible en forma > > fácil, porque hay librerías que tienen dentro de sus algoritmos la > > forma adecuada para la predicción, en cambio otras no, y hay que > > realizarlo a mano. > > > > Por lo cuál es necesario conocer que herramienta dentro de R está > > utilizando para sus modelos. Porque, puede ser que ella misma > > tenga la solución o se deba escribir en código R, y no siempre se > > pueden combinar una librería con la otra. > > > > Javier Marcuzzi > > > > El 06/11/14 a las 06:48, Lorena Tudela Marco escibió: > > > > Buenos días a todxs, > > > > Estoy comparando la predicción de los valores (0, 1, 2, > > 3,.....hasta 13) > > frente a los observados. > > Con la idea de comparar el modelo Zero inflated y el Binomial > > negativo y > > ver cual presenta mas distancia frente a las predicciones > > observadas. > > > > Para ello introduzco los códigos en la consola: > > > > #Modelo ZIM > > pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14])) > > #Valores observados realmente > > obs<-table(IB$nijt)[1:14] > > #Tabla comparativa > > rbind( pred, obs) > > > > Y obtengo la siguiente tabla: > > > > 0 1 2 3 4 5 6 7 8 9 10 11 12 13 > > pred 3600 589 349 224 151 105 75 55 42 32 25 20 16 13 > > obs 3529 743 300 203 135 81 76 44 33 37 30 12 14 13 > > > > La duda me surge al intentarlo con el Modelo Binomial > > negativo.¿Sabeis que > > comando podría introducir para obtener los 13 valores > > predichos por el > > modelo BN? > > > > Muchas gracias por vuestra ayuda y buen día. > > > > Lorena > > > > [[alternative HTML version deleted]] > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org <mailto:R-help-es en r-project.org> > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es >[[alternative HTML version deleted]]