如何在幂律分布和伽马分布之间进行选择？

问题描述

我正在尝试使用 GLM 对离散响应变量（范围为 0-20,000）和多个离散和分类解释变量进行建模，以 1) 为两个变量绘制回归线，以及 2) 根据模型。

我使用 fitdistrplus 包来标识要在 family 中使用的 glm()。我发现与其他分布相比，伽玛分布的 AIC 最低（我的代码适用于使用来自 iris 的数据）：

    gamma.fit = fitdist(iris$Sepal.Length,"gamma",method = "mle")
    gamma.fit$aic # get AIC

我如何调整它以尝试配电？

或者，我使用 poweRlaw 包来评估幂律分布（我的数据的自举 p 值表明该分布是一个选项）。

但是您如何提取 AIC，或者这甚至可以与我为 gamma 生成的 AIC 相媲美？

    # make data discrete with rounding
    power.fit = displ$new(round(iris$Sepal.Length,digits = 0)) 
    
    pf.est = estimate_xmin(power.fit)$xmin # estimate xmin
    
    power.fit$setXmin(pf.est) # append xmin to model
    
    # estimate the distribution’s parameters using MLE
    pf.alphahat = estimate_pars(power.fit)$pars 
    
    c(xmin = pf.est,alpha = pf.alphahat) # view parameters

所需的最终结果是基于任一分布生成 GLM：

    my.model = glm(Sepal.Width ~ Sepal.Length,data = iris,na.action = 'na.omit',family = Gamma(link ="log")) # or power?

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

gamma-distribution glm r r