glmer的反變換（family = inverse.gaussian（link =「log」））

Question

我目前正在用family = inverse.gaussian（link =「log」）運行一個glmer。在「頂級模特」我有如下：

full_mod2=glmer(cpueplus1 ~ assnage * logcobb + (1|fyear) + (1|flocation), 
data=yc,family=inverse.gaussian(link = "log")) 

與輸出作爲係數：

Fixed effects: 
        Estimate Std. Error t value Pr(>|z|)  
    (Intercept)  1.53670 0.16126 9.529 < 2e-16 *** 
    assnage   -0.30168 0.04909 -6.146 7.96e-10 *** 
    logcobb   0.42032 0.06155 6.829 8.54e-12 *** 
    assnage:logcobb -0.10132 0.02395 -4.231 2.33e-05 *** 

我希望能有一個公式，我將能夠容納的一個變量不變（例如assnage）並確定其他變量對觀測值的影響（例如logcobb）。用gmler，你可以很容易地使用「invlogit（）」來進行二項分佈，有沒有類似inverse.gaussian的東西？例如，當assnage等於平均值​​（2），最大值（4），或分鐘（1）：

mean_age=FUNCTION(1.53670 + -0.30168*(mean(assnage)) + 
0.42032*observedvalues(logcobb) + -0.10132*(mean(assnage)*observedvalues(logcobb)) 

Answer 1

你可以得到從inverse.gaussian對象的反函數。

inv.gaus <- inverse.gaussian(link = "log") 

inv.gaus$linkfun(10) 
inv.gaus$linkinv(inv.gaus$linkfun(10)) 

您也可以直接查看這些函數的定義。

inv.gaus$linkfun 

function (mu) 
log(mu) 
<environment: namespace:stats> 

inv.gaus$linkinv 

function (eta) 
pmax(exp(eta), .Machine$double.eps) 
<environment: namespace:stats> 

你可以通過查看attributes(inv.gaus)

來完成你的背部改造看到更多的鏈接對象的屬性，你可能se

inv.gaus$linkinv(1.53670 + -0.30168*(mean(assnage)) + 
0.42032*observedvalues(logcobb) + -0.10132*(mean(assnage)*observedvalues(logcobb))