BEINF GAMLSS 中的 meanBEINF vs predict(model, type = "response')。并确定预测变量系数的几率

Question

已提出此问题的变体，但某些项目仍未得到回答 -

我正在使用单个连续预测变量（即温度 (Temp)）对死亡率 (Prop) 的比例进行建模。我有三个问题。

1.) 我是否应该将 meanBEINF 用于我的模型预测响应估计值？如果是这样，我将如何提取相关的标准错误？你认为我目前指定的方式会给你响应估计，但是，运行 predict(beinf_mod, type = "response", what = "mu") 产生与我相同的结果质疑。

2.) 如果我对预测变量系数（包含在 mu 参数中）求幂，这是否会给出 (0,1) 之间的几率？ nu 和 tau 目前没有预测变量系数，所以我不确定是否要使用这些系数来获得总域 [0,1] 的赔率。

3.) 在这种情况下，我对赔率的解释是否正确？我熟悉常规 beta 回归或逻辑模型，但是，问题 2 中的不确定性让我怀疑这是否合适。

在此先感谢您的帮助，非常感谢。

# generate DB
DB <- data.frame(Prop = c(0.688888889, 0.519230769, 0.378294574, 0.253644315, 0.234200744, 0.156626506,
              0.191011236, 0.0625, 0.064516129, 0, 0, 0),
         Temp = c(62.90857143, 62.75428571, 60.05428571, 60.23428571, 59.64285714, 57.94571429,
              57.71428571, 57.14857143, 54.39714286, 51.87714286, 50.38571429, 49.1))

# beta inflated model. I understand na.omit works on the data, and that na.exclude is not really useful. 
# I removed the NA's for this reproduction of the problem
beinf_mod <- gamlss(Prop ~ cs(Temp),
family=BEINF,data=na.omit(DB),na.action=na.exclude)

# obtain predictions for the estimated/expected value of y
predict(beinf_mod, type="response", se.fit=TRUE)

# get the odds of the explanatory variable. exponentiation gets us 1.47, 
# so a one unit increase in temperature results in a 47% increase in the odds of mortality within the domain (0,1)
exp(coef(beinf_mod)[2])

Answer 1

请允许我回答我自己的问题

1.) 是的，meanBEINF 提供了估计的响应值，引导程序会给您带来错误。 2.) 是的。 Nu 和 Tau 不工作，因为只能计算 mu 参数 (0,1) 的几率，因为不能计算 0 和 1 的几率。如果几率为 1 且几率为 0，则不能除以 0任何其他概率的概率为 0。 3.) 是的。

BEINF GAMLSS 中的 meanBEINF vs predict(model, type = "response')。并确定预测变量系数的几率

meanBEINF vs predict(model, type = "response') in BEINF GAMLSS. and determining odds of predictor variable coefficient

r

beta

exponentiation

gamlss