R 计算置信区间稳健回归（二项式）时出错

对于一个项目，我想用R中的“稳健”包进行稳健回归。数据包括X轴和Y轴上某些突变的普遍性，因此我使用了二项式家族。问题是，每当我试图计算置信区间时，我都会得到一个错误：

predict.glmRob（mod，newdata=dfPred，type=“response”）中出错：
尝试应用非函数

这是我运行的R代码：

mod      <- glmRob(pop2 ~ pop1, data=df, family=binomial)
xweights <- seq(0, 0.2, 0.001)
dfPred   <- data.frame(pop1 = xweights)
yweights <- predict(mod, newdata=dfPred, type="response")

我找人帮我用下面的代码从模型中提取置信区间，但我得到的置信区间范围为0到1，这在非稳健glm或选择其他族时不会发生

mod          <- glmRob(pop2 ~ pop1, data=df, family=binomial)
yweights     <- fitted.values(mod)
coefficients <- coef(mod)
se           <- coef(summary(mod))[,2]
intercept    <- as.numeric(coefficients[1] + c(-2*se[1], 0, 2*se[1]))
slope        <- as.numeric(coefficients[2] + c(-2*se[2], 0, 2*se[2]))
lci          <- intercept[1]+slope[1]*df$pop1
    uci          <- intercept[3]+slope[3]*df$pop1

---

mod您计算时间间隔的方法有缺陷。它甚至不考虑参数估计之间的相关性。您可以尝试jackknife或bootstrap方法（尽管我不能100%确定它们是否能很好地与强大的GLM配合）。但是，我无法让您的代码运行时没有错误。您的
pop2
只是一小部分。您使用的是
二项式
系列，它需要“成功”的数量和“失败”的数量。我从未尝试过
glmRob
，但它可能能够使用
weights
参数（正如
glm
所做的那样）来指示伯努利试验的总数。你有那个信息吗？你试过合并它吗？你能把它粘贴到这里吗？是的，这也是我尝试过的，但它给出了相同的错误。对于我表格中的每个值，“试验”的数量是1685。我在表中添加了一列权重（通过
cbind（df，c（rep（1685，18）
），并使用指定为权重的列运行glmRob。再次成功创建了模型，但置信区间的计算给出了错误或范围[0,1]，具体取决于使用的代码。
mod          <- glmRob(pop2 ~ pop1, data=df, family=binomial)
yweights     <- fitted.values(mod)
coefficients <- coef(mod)
se           <- coef(summary(mod))[,2]
intercept    <- as.numeric(coefficients[1] + c(-2*se[1], 0, 2*se[1]))
slope        <- as.numeric(coefficients[2] + c(-2*se[2], 0, 2*se[2]))
lci          <- intercept[1]+slope[1]*df$pop1
    uci          <- intercept[3]+slope[3]*df$pop1