meanBEINF vs predict(model, type = "response') in BEINF GAMLSS. 并确定预测变量系数的几率

问题描述

此问题的变体已被提出，但某些项目仍未得到解答 -

我正在使用单个连续预测变量即温度 (Temp) 对死亡率 (Prop) 的比例进行建模。我有三个问题。

1.) 我应该将 meanBEINF 用于我的模型预测的响应估计吗？如果是这样，我将如何提取相关的标准错误？您认为我目前指定的方式可以为您提供响应估计值，但是，运行 predict(beinf_mod,type = "response",what = "mu") 会产生相同的结果，这让我感到疑惑。

2.) 如果我对预测变量系数（包含在 mu 参数中）求幂，这是否给我 (0,1) 之间的几率？ nu 和 tau 目前没有预测变量系数，所以我不确定是否要使用这些系数来获得总域 [0,1] 的几率。

3.) 在这种情况下，我对赔率的解释是否正确？我熟悉常规 Beta 回归或逻辑模型，但是，问题 2 中的不确定性让我怀疑这是否合适。

在此先感谢您的帮助，非常感谢。

# generate DB
DB <- data.frame(Prop = c(0.688888889,0.519230769,0.378294574,0.253644315,0.234200744,0.156626506,0.191011236,0.0625,0.064516129,0),Temp = c(62.90857143,62.75428571,60.05428571,60.23428571,59.64285714,57.94571429,57.71428571,57.14857143,54.39714286,51.87714286,50.38571429,49.1))

# beta inflated model. I understand na.omit works on the data,and that na.exclude is not really useful. 
# I removed the NA's for this reproduction of the problem
beinf_mod <- gamlss(Prop ~ cs(Temp),family=BEINF,data=na.omit(DB),na.action=na.exclude)

# obtain predictions for the estimated/expected value of y
predict(beinf_mod,type="response",se.fit=TRUE)

# get the odds of the explanatory variable. exponentiation gets us 1.47,# so a one unit increase in temperature results in a 47% increase in the odds of mortality within the domain (0,1)
exp(coef(beinf_mod)[2])

解决方法

请允许我回答我自己的问题

1.) 是的，meanBEINF 提供了估计的响应值，而引导程序会给您带来错误。 2.) 是的。 Nu 和 Tau 没有得到处理，因为人们只能计算 mu 参数 (0,1) 的赔率，因为无法计算 0 和 1 的赔率。如果赔率是 1，赔率是 0，则不能除以 0 prob 到任何其他 prob 是 0。 3.) 是的。