similar to: Warning en modelo ZINB

¿Quieres decir que para un nivel de una variable categorica todas las observaciones de la variable respuesta sean ceros? Gracias El Lun, 9 de Abril de 2018, 19:59, Carlos J. Gil Bellosta escribió: > ¿Podría ser que para algún nivel de alguna variable independiente > categórica solo hubiese ceros? En ese caso, casi seguro, aparecería ese > tipo de warning. > > El lun., 9 abr. 2018 a

Muchas gracias por la respuesta. He mirado y los coeficientes no son altos pero sí tengo una gran cantidad de ceros en la variable dependiente (más del 90%). Sin embargo, al incluir otro tipo de variables independientes no me da ese aviso, dejando la misma variable dependiente. ¿Cómo podría utilizar stan/rstan de forma sencilla para diagnosticar el modelo? Muchas gracias El Lun, 9 de Abril de

Hola de nuevo Carlos, he probado a quitar esa variable categórica y me sigue dando el aviso... El Lun, 9 de Abril de 2018, 20:17, Carlos J. Gil Bellosta escribió: > Si, creo que el motivo del warning puede ser ese. Es hipotético, pero > plausible. Sobre todo cuando tienes más de un 90% de ceros. > > El coeficiente de ese nivel para el modelo de la mixtura (ceros vs > binomial >

Buenas tardes, ¿Cómo interpretarías el intercepto que da R en un modelo de ceros inflados? Por un lado en la parte de conteo tengo un intercepto de -4.2 y en la parte de ceros de 102, ambos salen significativos (***). ¿Qué me dirían? Gracias

Hola, Deseo simular un modelo logit con interacción, estimar sus coeficientes y comprobar si son o no parecidos al modelo teórico. Con este ejemplo obtengo que los coeficientes estimados no se asemejan mucho a los originales. ¿Se le ocurre a alguien cuál es el motivo de esta discrepancia? ¿y cómo solucionarlo? Muchas gracias Emilio logisticsimulation <- function(n){ dat <-

Buenos días, Os cuento: Cargo la librería "Forecast" y ejecuto su función Arima(...) sobre una serie temporal: mimodelo <- Arima(miST$miserie, ...); Ahora si ejecuto las siguientes sentencias, voy obteniendo los resultados contenidos en "mimodelo", pero algunos de ellos no sé lo que son: mimodelo[[1]] obtengo los coeficientes del modelo ARIMA mimodelo[[2]] obtengo el

Hola, ¿qué tal? Cierto, cierto, había un error en el código que publiqué. Pero el diagnóstico es parecido. Cuando los datos se generan con el coeficiente de x2 igual a 7, los coeficientes estimados tienen una distribución extraña, bimodal (aparentemente), en lugar de _normalmente_ distribuida alrededor del 7 como se espera. Supongo que depende del número de casos en que x2 = 1 e y = 0. Un

Un ejemplo con un modelo más simple: He especificado este modelo: >formula(m2.pile) ger ~ tem + pot + time Si hago predict me da: >predict(m2.pile,newdata=data.frame(tem=25,pot=0,time=3),type="response") 0.08243262 Extraigo los coeficientes: > coef(m2.pile) (Intercept) tem pot time -1.89521331 -0.02303313 4.74499714 0.02043222 Ahora calculo la

Muy buenas, quiero calcular correlaciones de Pearson entre dos variables (a,b) teniendo en cuenta una tercera (c). Para ello estoy usando una función llamada "pcor.test" (http://www.yilab.gatech.edu/pcor.html), que en realidad no está en ningún paquete de R, que yo sepa. ¿Alguien conoce una función similar en alguna librería de R? Por otro lado, para ver si me cuadraban los resultados,

Estimad en s errer en s He hecho este modelo glm m1.pile<-glm(ger~tem+pot+time+I(tem^2)+I(tem^2):pot ,family="binomial" ,data=long.PILE ) Que nos da la probabilidad de germinación de una semilla en función de tem (Temperatura), pot (Humedad del suelo) y time (Tiempo que la semilla pasa en esas condiciones). Ahora quiero, para diferentes tem, pot

Buenas. Abajo pongo la salida de un modelo de cox , dónde he estratificado por una variable de país (Countryb) y por otra (Q6). Además hay interacción entre la variable mobilityPDurG2 (es una variable 0,1, y 0 es la categoría de referencia) país. La categoría de referencia para país es "united kingdom". Mi duda surge si quiero calcular el hazard ratio para los que tienen un 1

Hola a todos. Estoy utilizando la función lmer del paquete lme4 para ajustar un modelo mixto. Tengo varias variables en mi data.frame, unas son a nivel individual y otras a nivel de comarcas. Listo algunas. ingre_6 : Ingresos (nivel individual) iscs_a : un indicador sintético resumen de otras variables, calculado mediante componentes principales. sau_com : superficie agraria útil de cada una

Se ha borrado un adjunto en formato HTML... URL: <https://stat.ethz.ch/pipermail/r-help-es/attachments/20171116/17a687f8/attachment.html>

Una distribución binomial negativa podría ser adecuada. De hecho, una extensión de la binomial negativa, como la distribución de Waring generalizada, termina convergiendo a una distribución binomial negativa. Puedes ver que la mejora en la bondad del ajuste de la binomial negativa con respecto a la Poisson es sustancial (te muestro también las salidas.). datos<-c(1280, 1262, 1290, 1321,

Dear all, I am modeling the incidence of recreational anglers along a stretch of coastline, and with a vary large proportion of zeros (>80%) have chosen to use a zero inflated negative binomial (ZINB) distribution. I am using the same variables for both parts of the model, can anyone help me with R code to compute overall marginal effects of each variable? My model is specified as follows:

Dear all.. I have a respon variable y. Predictor variable are x1, x2, x3, x4, x5 (1) What is the syntax to get paramater estimation of ZINB Model by Newton Raphson (not BFGS) (2) What syntax to plot probability of observed & predicted of ZINB Thx. Regards Krist. [[alternative HTML version deleted]]

Sorry bit of a Newbie question, and I promise I have searched the forum already, but I'm getting a bit desperate! I have over-dispersed, zero inflated data, with variance greater than the mean, suggesting Zero-Inflated Negative Binomial - which I attempted in R with the pscl package suggested on http://www.ats.ucla.edu/stat/R/dae/zinbreg.htm However my data is non-integer with some pesky

I want to generate 1,000 random samples of sample size=1,000 from ZINB. I know there is a rnegbin() to generate random samples from NB, and I know I can use the following process: do i=1 to 1000 n=0 do i=1 to 1000 if runi(1)>0.1 then x(i) = 0; else x(i)=rnegbin(); n=n+1; if n>1000 then stop; end; output; end; Anybody can help me out with the R code? Thanks very much ahead of time.

Hello, I am working with zero inflated models for a current project and I am getting wildly different results from R's zeroinfl(y ~ x, dist="negbin") command and Stata's zinb command. Does anyone know why this may be? I find it odd considering that zeroinfl(y ~ x, dist="poisson") gives identical to output to Stata's zip function. Thanks, --david [[alternative

Dear Mr.Zeileis & all. (1)     Thx for your reply. Yes, I am talk about the function zeroinfl() from the package "pscl". I want to use Newton Raphson to get parameter             estimation ZINB, so I try this: ----------------------------------------------------------------------------------------------------------------------------------         > zinb <- zeroinfl(y