`glmRob（）`在给定'newdata'参数时不进行预测

下面是

glmRob（）

示例中的一些稍加修改的代码。当给定

newdata

参数时，

predict.glmRob（）

会出错。我做错什么了吗

suppressMessages(library(robust))
data(breslow.dat)
bres.rob <- glmRob(sumY ~ Age10 + Base4 * Trt, family = poisson(), data = breslow.dat)
predict(bres.rob, newdata = breslow.dat)

由（v0.3.0）于2020年12月14日创建

值得注意的是，与常规

glm（）

完全相同的事情也适用

suppressMessages（库（健壮））
数据（breslow.dat）
bres.glm 1 2 3 4 5 6 7 8
#> 2.957756 2.933407 2.704879 3.015431 3.913226 3.250763 2.979112 4.101214 
#>        9       10       11       12       13       14       15       16 
#> 3.360129 2.863352 3.955120 3.257157 2.912460 3.741554 4.459110 3.668917 
#>       17       18       19       20       21       22       23       24 
#> 3.034205 5.093412 3.131601 2.906475 2.930414 2.671553 3.110244 3.174723 
#>       25       26       27       28       29       30       31       32 
#> 3.873096 3.134184 2.644211 3.507451 3.917288 3.375050 2.641300 2.675629 
#>       33       34       35       36       37       38       39       40 
#> 2.592602 2.854897 3.163672 2.890335 2.625822 3.756825 3.201280 2.557211 
#>       41       42       43       44       45       46       47       48 
#> 2.784067 2.988840 3.585320 3.060731 3.448097 2.484164 3.182476 2.577124 
#>       49       50       51       52       53       54       55       56 
#> 5.757692 3.003209 3.274328 3.308657 3.525533 3.268830 2.863768 2.857114 
#>       57       58       59 
#> 2.805090 2.891444 2.892553

---

由（v0.3.0）于2020-12-14创建，只需去掉

newdata

参数，因为您在相同的数据上运行它

从健壮的文档

newdata—可选的数据框，在其中查找用于预测的变量。如果省略，则使用拟合的线性预测值

编辑以添加

其中一位作者回复并建议使用“robustbase”（他是该软件包的维护者）而不是“robust”，因为前者使用的方法更为现代，并且有更广泛的测试和示例支持

下面是我的示例代码，用于对两者进行快速比较。注意，robustbase的glmrob中的“r”是小写的

library(robustbase)
library(robust)
data(breslow.dat)

## Comparison of methods.

bres.robustbase <- glmrob(sumY ~ Age10 + Base4 * Trt, family = poisson, data = breslow.dat)
predict(bres.robustbase, newdata = breslow.dat)

bres.robust <- glmRob(sumY ~ Age10 + Base4 * Trt, family = poisson(), data = breslow.dat)
predict(bres.robust)

## predict handling test data on robustbase's glmrob object.

lastIndex = round(nrow(breslow.dat)*0.7)
train = breslow.dat[1:lastIndex,]
test = breslow.dat[(lastIndex + 1):nrow(breslow.dat),]

bres.robustbase <- glmrob(sumY ~ Age10 + Base4 * Trt, family = poisson, data = train)
predict(bres.robustbase, newdata = test)

库（robustbase）
图书馆（稳健）
数据（breslow.dat）
##方法比较。
这很有趣，但实际上可能无法解决OP的问题。（我花了一点时间在S3方法分派等方面进行挖掘，但没有走多远…）是的，看起来下一个方法没有正确通过&也许
family（object）$inverse
应该是
family（object）$linkinv
。我认为应该向
维护人员（“robust”）
提出一个bug，以便澄清。我通常希望使用
newdata
参数来预测新数据。在这里，我只是将拟合数据传递到
newdata
中，以表明该模型甚至无法对其自身的数据进行预测（以澄清任何问题都与我传递的数据的格式无关）。@ecoundrums；谢谢你的跟进。关于系数，在我的电脑上，系数在
glmRob
下是不稳定的，也就是说，它们在不同的运行中变化很大，因此可以得到一些粗略的预测。@user20650我想使用robustbase的理由更多了；）
library(robustbase)
library(robust)
data(breslow.dat)

## Comparison of methods.

bres.robustbase <- glmrob(sumY ~ Age10 + Base4 * Trt, family = poisson, data = breslow.dat)
predict(bres.robustbase, newdata = breslow.dat)

bres.robust <- glmRob(sumY ~ Age10 + Base4 * Trt, family = poisson(), data = breslow.dat)
predict(bres.robust)

## predict handling test data on robustbase's glmrob object.

lastIndex = round(nrow(breslow.dat)*0.7)
train = breslow.dat[1:lastIndex,]
test = breslow.dat[(lastIndex + 1):nrow(breslow.dat),]

bres.robustbase <- glmrob(sumY ~ Age10 + Base4 * Trt, family = poisson, data = train)
predict(bres.robustbase, newdata = test)