Блог

Используя данные о жилье в Балтиморе из SpData, я хочу смоделировать наличие внутреннего дворика в качестве переменной отклика, а цену дома в качестве объясняющей переменной. Я также хочу включить веса в свою модель по площади жилья.

Мой код:

 library(spData) library(nlme) library(dplyr) library(MASS)  baltimorelt;-spData::baltimore baltimore$logpr = log(baltimore$PRICE)  #alright, i want this to be weighted by sqft w=baltimore$SQFT/100 w  model1 lt;- glmmPQL(PATIO ~ PRICE , random = ~1|CITCOU, data = baltimore,family=binomial,correlation = corExp(form = ~X   Y, nugget = T),weights = w)  

Это в основном дает мне другое сообщение об ошибке для каждой выбранной мной весовой переменной. Использование весов здесь, по — видимому, является единственной проблемой. Длина вектора весов совпадает с данными в модели, поэтому я действительно не понимаю, почему это не работает. Любая проницательность оценена по достоинству.

Если вы сделаете сумму весов равной 1, модель сойдется.

 w lt;- w/sum(w)  model1 lt;- glmmPQL(PATIO ~ PRICE ,   random = ~1|CITCOU,   data = baltimore,  family=binomial,  correlation = corExp(form = ~X   Y, nugget = T),   weights = w)  summary(model1)  # Linear mixed-effects model fit by maximum likelihood # Data: baltimore  # AIC BIC logLik # NA NA NA #  # Random effects: # Formula: ~1 | CITCOU # (Intercept) Residual # StdDev: 0.001372962 0.06760035 #  # Correlation Structure: Exponential spatial correlation # Formula: ~X   Y | CITCOU  # Parameter estimate(s): # range nugget  # 0.03104283 0.11152655  # Variance function: # Structure: fixed weights # Formula: ~invwt  # Fixed effects: PATIO ~ PRICE  # Value Std.Error DF t-value p-value # (Intercept) -4.343533 0.5705149 208 -7.613355 0 # PRICE 0.053687 0.0092687 208 5.792323 0 # Correlation:  # (Intr) # PRICE -0.937 #  # Standardized Within-Group Residuals: # Min Q1 Med Q3 Max  # -2.8915877 -0.3851644 -0.2667641 -0.1707177 5.9131663  #  # Number of Observations: 211 # Number of Groups: 2