El GLM gamma habitual contiene el supuesto de que el parámetro de forma es constante, de la misma manera que el modelo lineal normal supone una varianza constante.
En lenguaje GLM, el parámetro de dispersión, in es normalmente constante.Var ( Y i ) = ϕ V ( μ i )ϕVar ( Yyo) = ϕ V ( μyo)
En términos más generales, tiene , pero eso no ayuda.a ( ϕ )
Tal vez sea posible usar un GLM Gamma ponderado para incorporar este efecto de un parámetro de forma específico, pero aún no he investigado esta posibilidad (si funciona, probablemente sea la forma más fácil de hacerlo, pero no lo soy en absoluto Seguro que lo hará).
Si tuviera un GLM doble, podría estimar ese parámetro en función de las covariables ... y si el software de doble glm le permite especificar un desplazamiento en el término de varianza, podría hacerlo. Parece que la función dglm
en el paquete le dglm
permite especificar un desplazamiento. Sin embargo, no sé si le permitirá especificar un modelo de varianza como (digamos) ~ offset(<something>) + 0
.
Otra alternativa sería maximizar la probabilidad directamente.
> y <- rgamma(100,10,.1)
> summary(glm(y~1,family=Gamma))
Call:
glm(formula = y ~ 1, family = Gamma)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.93768 -0.25371 -0.05188 0.16078 0.81347
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.0103660 0.0003486 29.74 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for Gamma family taken to be 0.1130783)
Null deviance: 11.223 on 99 degrees of freedom
Residual deviance: 11.223 on 99 degrees of freedom
AIC: 973.56
Number of Fisher Scoring iterations: 5
La línea donde dice:
(Dispersion parameter for Gamma family taken to be 0.1130783)
es el que quieres
Ese está relacionado con el parámetro de forma de Gamma.ϕ^