Gamma GLM thông thường chứa giả định rằng tham số hình dạng là hằng số, giống như mô hình tuyến tính bình thường giả định phương sai không đổi.
Trong GLM cách nói tham số phân tán, trong Var ( Y i ) = φ V ( μ i ) là thường hằng.ϕVar(Yi)=ϕV(μi)
Tổng quát hơn, bạn có , nhưng điều đó không có sự giúp đỡ.a(ϕ)
Có lẽ có thể sử dụng Gamma GLM có trọng số để kết hợp hiệu ứng này của một tham số hình dạng đã chỉ định, nhưng tôi chưa nghiên cứu khả năng này (nếu nó hoạt động có lẽ là cách dễ nhất để làm điều đó, nhưng tôi hoàn toàn không phải vậy chắc chắn rằng nó sẽ).
Nếu bạn có một GLM kép, bạn có thể ước tính tham số đó là một hàm của hiệp phương sai ... và nếu phần mềm glm kép cho phép bạn chỉ định một phần bù trong thuật ngữ phương sai, bạn có thể làm điều này. Có vẻ như hàm dglm
trong gói dglm
cho phép bạn chỉ định bù. Tôi không biết nếu nó sẽ cho phép bạn chỉ định một mô hình phương sai như (nói) ~ offset(<something>) + 0
.
Một cách khác là tối đa hóa khả năng trực tiếp.
> y <- rgamma(100,10,.1)
> summary(glm(y~1,family=Gamma))
Call:
glm(formula = y ~ 1, family = Gamma)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.93768 -0.25371 -0.05188 0.16078 0.81347
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.0103660 0.0003486 29.74 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for Gamma family taken to be 0.1130783)
Null deviance: 11.223 on 99 degrees of freedom
Residual deviance: 11.223 on 99 degrees of freedom
AIC: 973.56
Number of Fisher Scoring iterations: 5
Dòng nơi nó nói:
(Dispersion parameter for Gamma family taken to be 0.1130783)
là người bạn muốn
Đó φ có liên quan đến các tham số hình dạng của Gamma.ϕ^