R 使用aictab比较负二项模型（glm.nb）时获取错误消息

我有一个关于使用AICc值比较昆虫丰度数据的负二项模型的问题，我得到的错误消息是

"Error in aictab.default(cand.set = model15LT_T, second.ord = T, sort = T,  : 
 Function not yet defined for this object class”

这是我的密码：

model15LT_T = list()
model15LT_T[[1]] = glm.nb(TotalN ~ 1+offset(log(Dates)), data=DAT)
model15LT_T[[2]] = glm.nb(TotalN ~ PC1_0.5+offset(log(Dates)), data=DAT)
model15LT_T[[3]] = glm.nb(TotalN ~ PC2_0.5+offset(log(Dates)), data=DAT)
model15LT_T[[4]] = glm.nb(TotalN ~ PC1_0.5 + PC2_0.5+offset(log(Dates)), data=DAT)

aictab(cand.set = model15LT_T, second.ord = T, sort = T, modnames = c("TotalN.1", 
                                                                    "TotalN.pc1.0.5", 
                                                                    "TotalN.pc2.0.5", 
                                                                    "TotalN.pc1+pc2.0.5"))

但是，当我尝试在模型中指定族而不是像下面那样使用glm.nb时，我复制并粘贴了所有代码，只是将glm.nb更改为glm family=negative.binomial theta=1，然后错误消息消失了

model15LT_T = list()
model15LT_T[[1]] = glm(TotalN ~ 1+offset(log(Dates)), family=negative.binomial (theta=1), data=DAT)
model15LT_T[[2]] = glm(TotalN ~ PC1_0.5+offset(log(Dates)), family=negative.binomial (theta=1), data=DAT)
model15LT_T[[3]] = glm(TotalN ~ PC2_0.5+offset(log(Dates)),family=negative.binomial (theta=1), data=DAT)
model15LT_T[[4]] = glm(TotalN ~ PC1_0.5 + PC2_0.5+offset(log(Dates)), family=negative.binomial (theta=1),data=DAT)

aictab(cand.set = model15LT_T, second.ord = T, sort = T, modnames = c("Total.1",
                                                                                                                    "Total.PC1",
                                                                                                                    "Total.PC2",
                                                                                                                    "Total.PC1+PC2"))

我的问题是：

1这是否意味着我无法使用glm.nb让aictab工作

---

2如果我必须在glmTotalN~中指定θ值，family=negative.binominal，有没有更好的方法来知道放什么值

1似乎是这样。您可以使用glm.nb返回的对象中的twologlik插槽，轻松手动计算AIC

aic1 = 2*(nrow(model15LT_T[[1]]$coef)+1)-model15LT_T[[1]]$twologlik

请注意，nrowmodel15LT_T[[1]]$coef+1=2，因为您估计了1个回归参数，即截距加上过度分散

2如果你已经知道θ，那么你可以用这种方式指定它，但在我看来，你最好估计它，除非你有很好的理由把它定为1。记住θ是负二项式的过度分散参数。这是一个讨厌的参数，需要估计对数线性回归的平均值，但您不想对其进行推断