phù hợp GLM cho gia đình Weibull [đóng]

8

Tôi đang cố gắng để phù hợp với mô hình tuyến tính tổng quát cho gia đình weibull, nhưng khi tôi thử nó trong R, nó sẽ báo lỗi. Tôi biết rằng Weibull không phù hợp với gia đình theo cấp số nhân, nhưng tôi đã đọc một số bài viết nghiên cứu về việc lắp GLM cho gia đình Weibull. Nếu bất cứ ai có thể giúp tôi với điều này, tôi thực sự đánh giá cao. Nó đưa ra lỗi sau.

> data(lung)
> glm(time ~ age+sex+ph.ecog+ wt.loss, family = weibull(link='log'), data = lung)
Error in glm(time ~ age + sex + ph.ecog + wt.loss, family = weibull(link = "log"),  : 
  could not find function "weibull"

r generalized-linear-model survival gamlss

— NiroshaR
nguồn

4

Xin lỗi tôi khá muộn với điều này .... nhưng có thể giúp một người mà tôi tin:

gamlssgói là những gì bạn nên tìm kiếm. Nó hỗ trợ hầu hết tất cả các bản phân phối (không chỉ các gia đình theo cấp số nhân). Nó mang lại sự linh hoạt đáng kinh ngạc trên hầu hết tất cả các tham số của một bản phân phối.

— người dùng3801801
nguồn

3

+1. gamlsshỗ trợ phân phối Weibull thông qua WEI, WEI2và WEI3, tất cả 2 tham số mặc dù rõ ràng là khác nhau. Tuy nhiên, không chắc chắn nếu nó hỗ trợ kiểm duyệt, đó sẽ là một yếu tố chính của mô hình sống sót AFT.

— Wayne

@Wayne gamlss chắc chắn hỗ trợ kiểm duyệt phải và cắt ngắn bên trái .... cả hai cũng nếu muốn

— user3801801

3

Các glm()chức năng không hỗ trợ phân phối Weibull trong R không may. Bạn có thể thử ?familyxem phân phối nào có sẵn. Tôi sẽ thử sử dụng survreg()từ survivalgói thay thế.

— Billywob
nguồn

yeah glm () không hỗ trợ weibull. Tôi đang cố gắng sử dụng phương pháp glm và mô hình AFT bằng cách sử dụng Survreg, sau đó so sánh kết quả của hai phương pháp. Đó là lý do tại sao tôi đã cố gắng tìm ra nó để phù hợp với glm cho weibull. Cảm ơn bạn đã bình luận của bạn. Tôi rât cảm kich.

— NiroshaR

1

Tôi đã sử dụng brmsgói, đó là Bayesian. Nó hỗ trợ Weibull, hàm mũ, lognatural, Frechet và các gia đình khác và kiểm duyệt (trái / phải / khoảng) để thực hiện các mô hình AFT. Nó cũng bao gồm các hiệu ứng ngẫu nhiên được biết đến trong các mô hình sinh tồn là "yếu đuối" và một loạt các tùy chọn hồi quy khác như làm mịn kiểu gam.

Do các phương pháp Bayes sử dụng lấy mẫu MCMC, nên nó chậm hơn glm , gamlsshoặc survreg, nhưng nó cũng là một giải pháp hồi quy toàn diện và Bayesian có những lợi thế khác. (Tôi thích nó stanplot, nơi cung cấp một loạt các lô chẩn đoán chiếu sáng.)

— Wayne
nguồn