我正在分析一个数据集,其中数据聚集在几个组中(城镇中的区域)。该数据集的样子:在predict.lm()中使用聚类协方差矩阵
R> df <- data.frame(x = rnorm(10),
y = 3*rnorm(x),
groups = factor(sample(c('0','1'), 10, TRUE)))
R> head(df)
x y groups
1 -0.8959 1.54 1
2 -0.1008 -2.73 1
3 0.4406 0.44 0
4 0.0683 1.62 1
5 -0.0037 -0.20 1
6 -0.8966 -2.34 0
我希望我的LM()估计占同类相关的群体,并为此我使用的是功能cl()
接受一个lm()
并返回可靠的集群协方差矩阵(原here ):
cl <- function(fm, cluster) {
library(sandwich)
M <- length(unique(cluster))
N <- length(cluster)
K <- fm$rank
dfc <- (M/(M-1))*((N-1)/(N-K-1))
uj <- apply(estfun(fm), 2, function(x) tapply(x, cluster, sum));
vcovCL <- dfc * sandwich(fm, meat = crossprod(uj)/N)
return(vcovCL)
}
现在,
output <- lm(y ~ x, data = df)
clcov <- cl(output, df$groups)
coeftest(output, clcov, nrow(df) - 1)
给我我需要的估计。现在的问题是我想使用该模型进行预测,并且需要用新的协方差矩阵clcov
来计算预测的标准误差。也就是说,我需要
predict(output, se.fit = TRUE)
但使用clcov
,而不是vcov(output)
。像vcov() <-
就像是完美的。
当然,我可以编写自己的函数来做预测,但我只是想知道是否有一个更实用的方法,允许我使用方法签名lm
(如arm :: sim)。
您需要指定更多一点。那个集群函数是以什么开始的?为什么从lm()中产生的标准错误无效?我无法真正跟随你想要做的事情。很可能你需要一个更广义的模型,例如glm,glmm或gam/gamm。除非在完全不同的环境中使用它们,否则对于简单的lm函数的标准错误几乎没有做任何事情。但后来我们需要上下文... – 2010-09-24 23:16:29
@Joris我编辑了这个问题。希望现在更清楚。请注意,我明确避免使用“glmm”模型。 – griverorz 2010-09-25 00:12:47