Рассчитать QAICc с помощью функции aictab в AICcmodavg (счетчики, маленький и чрезмерно распределенный набор данных) - PullRequest
Новая
       15

Рассчитать QAICc с помощью функции aictab в AICcmodavg (счетчики, маленький и чрезмерно распределенный набор данных)

0 голосов
/ 25 марта 2019

Я очень новичок в выборе модели с помощью AIC.У меня есть небольшой набор данных (n / K <40, где n = размер выборки, K = количество оцениваемых параметров), с данными подсчета, которые распределены слишком сильно.Читая литературу, я рекомендую использовать QAICc для выбора модели (Burnham & Anderson, 2001).Однако, когда я вызываю функцию <i>aictab из пакета AICcmodavg , мне дают только AICc.Я не уверен, что понимаю документацию R для получения QAICc.

Кто-нибудь знает, как получить QAICc для каждой модели набора кандидатов?

CODE 

library(dplyr)
library(MASS)
library(AICcmodavg)

# Produce dummy table to simulate real data
set.seed(323)
dt <- tibble(site_ID = 1:75,
      no_cars = sample(0:300, size = 75, replace = T),
      site_type = sample(c("historic", "rural", "urban"), 75, T),
      road_type = sample(c("non-maintained", "sealed", "unsealed"), 75, T))

# Generate candidate model set
# Question: what is the best model to explain the number of vehicles that  
# access our sites? This is an oversimplification of the real data
# Response variable is the number of cars and predictor variables are  
# the type of site and the type of road
# Global model: no_cars ~ site_type.historic + road_type_non-maintained
m1 <- glm.nb(formula = "no_cars ~ 1", data = dt)
m2 <- glm.nb(formula = "no_cars ~ site_type", data = dt)
m3 <- glm.nb(formula = "no_cars ~ road_type", data = dt)
m4 <- glm.nb(formula = "no_cars ~ site_type + road_type", data = dt)

# List the models, name them and convert them into glm
ms_nb <- list(null = m1, type = m2, road = m3, type_road = m4)
ms_glm <- lapply(ms_nb, glm.convert)

# aictab table
aictbl <- aictab(cand.set = ms_glm, second.ord = TRUE, sort = TRUE)
...