从 R gamlss 对象预测新拟合值时出错答案

【问题标题】：Error when predicting new fitted values from R gamlss object从 R gamlss 对象预测新拟合值时出错
【发布时间】：2017-03-12 00:51:18
【问题描述】：

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。我想根据随机预测值的新数据集（而不是原始数据）进行预测，但我遇到了错误消息。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它时，它会给出稍微不同的错误：

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

当我使用 predict 而不使用 newdata 时，它可以很好地对原始数据进行预测，如下所示：

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

我使用预测错误吗？任何建议都非常感谢！谢谢。

【问题讨论】：

标签： r predict gam

【解决方案1】：

不，你没有错。我遇到过同样的问题。

文档表明 predict 的实现不完整。这似乎是一个不完整的特性/功能的例子。

【讨论】：

无赖！好吧，感谢@Hedgehog 的验证和信息！从那以后，我将这个模型移到了 lmer() 中，它适用于它。但是为 gamlss 解决这个问题会很有帮助。
抱歉，在实施完成之前，您将得到尽可能接近的答案。

【解决方案2】：

Hedgehog 提到基于新数据的预测尚不可能。 BonnieM 因此将模型“移动”到 lmer() 中。

我想进一步评论这个想法： BonniM 尝试根据对象mod得到预测

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., & De Bastiani, F. (2017)。灵活的回归和平滑：在 R. Chapman 和 Hall/CRC 中使用 GAMLSS。第10.9.1章

最好的问候凯

【讨论】：

【解决方案3】：

我在这个方向上遇到了很多随机问题，并发现使用权重参数进行拟合，并将一些额外的虚拟观察设置为权重为零（但我感兴趣的预测变量）是一种解决方法。

【讨论】：

【解决方案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，我能够克服未定义列选择错误。

【讨论】：