En ese caso, ¿tendría sentido el modelo? o ¿debería quitar esa variable categórica? Muchas gracias El Lun, 9 de Abril de 2018, 20:17, Carlos J. Gil Bellosta escribió: > Si, creo que el motivo del warning puede ser ese. Es hipotético, pero > plausible. Sobre todo cuando tienes más de un 90% de ceros. > > El coeficiente de ese nivel para el modelo de la mixtura (ceros vs > binomial > negativa) sería infinito. Y de ahí el warning. > > > > El lun., 9 abr. 2018 a las 20:09, <miriam.alz...@unavarra.es> escribió: > >> >> ¿Quieres decir que para un nivel de una variable categorica todas las >> observaciones de la variable respuesta sean ceros? >> >> Gracias >> El Lun, 9 de Abril de 2018, 19:59, Carlos J. Gil Bellosta escribió: >> > ¿Podría ser que para algún nivel de alguna variable independiente >> > categórica solo hubiese ceros? En ese caso, casi seguro, aparecería >> ese >> > tipo de warning. >> > >> > El lun., 9 abr. 2018 a las 19:00, <miriam.alz...@unavarra.es> >> escribió: >> > >> >> Muchas gracias por la respuesta. He mirado y los coeficientes no son >> >> altos >> >> pero sí tengo una gran cantidad de ceros en la variable dependiente >> (más >> >> del 90%). Sin embargo, al incluir otro tipo de variables >> independientes >> >> no >> >> me da ese aviso, dejando la misma variable dependiente. >> >> >> >> ¿Cómo podría utilizar stan/rstan de forma sencilla para diagnosticar >> el >> >> modelo? >> >> >> >> Muchas gracias >> >> >> >> El Lun, 9 de Abril de 2018, 18:48, Carlos J. Gil Bellosta escribió: >> >> > Hola, ¿qué tal? >> >> > >> >> > El "warning" que comentas aparece en glm.fit precisamente cuando un >> >> > coeficiente diverge. >> >> > >> >> > El aviso puede ser malo o irrelevante, depende. Puede que haya sido >> >> > emitido >> >> > en algún paso intermedio del ajuste (por lo que no habría mayor >> >> problema). >> >> > O que afecte al ajuste entero. Uno de los síntomas de que el ajuste >> es >> >> > malo >> >> > es que algún coeficiente de tu modelo es excesivamente grande. O >> que >> >> el >> >> > peso correspondiente a tus ceros esté muy próximo a 0 o 1 (que es >> lo >> >> mismo >> >> > en el contexto de un modelo inflado). Mira a ver qué pinta tienen >> los >> >> > coeficientes y si tienen cierto sentido a la vista de tus datos. >> >> Vigila >> >> > los >> >> > extremadamente altos. >> >> > >> >> > Si no estás segura de tus coeficientes, puedes implementar el >> modelo >> >> > generativamente vía stan/rstan. Es sencillo y tendrías buenos >> >> diagnósticos >> >> > de lo que esta ocurriendo. >> >> > >> >> > Un saludo, >> >> > >> >> > Carlos J. Gil Bellosta >> >> > http://www.datanalytics.com >> >> > >> >> > >> >> > >> >> > >> >> > El lun., 9 abr. 2018 a las 18:34, <miriam.alz...@unavarra.es> >> >> escribió: >> >> > >> >> >> Buenas tardes, >> >> >> >> >> >> Estoy estimando un modelo binomial negativo de ceros inflados >> (ZINB) >> >> >> utilizando el comando zeroinfl() del paquete pscl. Al ejecutarlo >> me >> >> da >> >> >> el >> >> >> siguiente aviso: >> >> >> Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred >> >> >> >> >> >> ¿Sabéis que significa y si puedo usar el modelo aún con ese aviso? >> >> ¿Los >> >> >> coeficientes son fiables? >> >> >> >> >> >> Muchas gracias, >> >> >> >> >> >> Miriam >> >> >> >> >> >> _______________________________________________ >> >> >> R-help-es mailing list >> >> >> R-help-es@r-project.org >> >> >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> >> >> >> >> > >> >> >> >> >> >> >> > >> >> >> >
_______________________________________________ R-help-es mailing list R-help-es@r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es