Troca PG_ll por llpg para manter padrão do Eduardo.

parent 86cd2505
......@@ -245,7 +245,7 @@ library(corrplot)
# Função de log-Verossimilhança da Poisson Generalizada na
# parametrização de modelo de regressão.
PG_ll <- function(theta, y, X, offset = NULL) {
llpg <- function(theta, y, X, offset = NULL) {
# theta: vetor de parâmetros;
# theta[1]: parâmetro de dispersão (alpha);
# theta[-1]: parâmetro de locação (lambda);
......@@ -279,10 +279,10 @@ L <- list(y = y,
X = cbind(rep(1, length(y))))
start <- c(alpha = 0, lambda = 1)
parnames(PG_ll) <- names(start)
parnames(llpg) <- names(start)
# Como \alpha foi fixado em 1, essa ll corresponde à Poisson.
n0 <- mle2(minuslogl = PG_ll,
n0 <- mle2(minuslogl = llpg,
start = start, data = L,
fixed = list(alpha = 0), vecpar = TRUE)
......@@ -291,7 +291,7 @@ c(coef(n0)["lambda"],
coef(glm(y ~ offset(log(L$offset)), family = poisson)))
# Estimando o \alpha.
n1 <- mle2(PG_ll, start = start, data = L, vecpar = TRUE)
n1 <- mle2(llpg, start = start, data = L, vecpar = TRUE)
coef(n1)
# Perfil de verossimilhança dos parâmetros.
......@@ -346,10 +346,10 @@ L <- with(soja, list(y = nvag, offset = 1, X = model.matrix(m0)))
# Usa as estimativas do Poisson como valore iniciais.
start <- c(alpha = 0, coef(m0))
parnames(PG_ll) <- names(start)
parnames(llpg) <- names(start)
# Com alpha fixo em 0 corresponde à Poisson.
m2 <- mle2(PG_ll, start = start, data = L,
m2 <- mle2(llpg, start = start, data = L,
fixed = list(alpha = 0), vecpar = TRUE)
# Mesma medida de ajuste e estimativas.
......@@ -357,7 +357,7 @@ c(logLik(m2), logLik(m0))
cbind(coef(m2)[-1], coef(m0))
# Poisson Generalizada.
m3 <- mle2(PG_ll, start = start, data = L, vecpar = TRUE)
m3 <- mle2(llpg, start = start, data = L, vecpar = TRUE)
# Teste para nulinidade do parâmetro de dispersão (H_0: alpha == 0).
anova(m3, m2)
......@@ -512,16 +512,16 @@ summary(m0)
L <- with(capdesfo, list(y = ncap, offset = 1, X = model.matrix(m0)))
start <- c(alpha = log(1), coef(m0))
parnames(PG_ll) <- names(start)
parnames(llpg) <- names(start)
# Modelo Poisson também.
m2 <- mle2(PG_ll, start = start, data = L,
m2 <- mle2(llpg, start = start, data = L,
fixed = list(alpha = 0), vecpar = TRUE)
c(logLik(m2), logLik(m0))
# Modelo Poisson Generalizado.
m3 <- mle2(PG_ll, start = start, data = L, vecpar = TRUE)
m3 <- mle2(llpg, start = start, data = L, vecpar = TRUE)
logLik(m3)
anova(m3, m2)
......@@ -682,16 +682,16 @@ summary(m0)
L <- with(ninfas, list(y = ntot, offset = off, X = model.matrix(m0)))
start <- c(alpha = 0, coef(m0))
parnames(PG_ll) <- names(start)
parnames(llpg) <- names(start)
# Modelo Poisson também.
m2 <- mle2(PG_ll, start = start, data = L,
m2 <- mle2(llpg, start = start, data = L,
fixed = list(alpha = 0), vecpar = TRUE)
c(logLik(m2), logLik(m0))
# Modelo Poisson Generalizado.
m3 <- mle2(PG_ll, start = start, data = L, vecpar = TRUE)
m3 <- mle2(llpg, start = start, data = L, vecpar = TRUE)
logLik(m3)
anova(m3, m2)
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment