我发现关于 ggeffects 如何处理偏移量的信息非常有限。我发现这篇文章描述了 R 和 Stata 中的包处理 offsets 的不同方式。我在网站上实现了这个例子,发现 ggpredict 正在估计偏移量平均值的因子变量,大概是因为它是一个因子变量并且可能正在调用 emmeans。知道如何让 ggpredict 使用实际偏移值而不是偏移的平均值吗?或者另一种计算方法?平均值的结果与实际偏移值的平均值非常非常不同。由于随机效应和除因子变量之外的几个连续变量,我无法实现手动估计边际效应的示例...
ggpredict(nb_glm_offset)
$age
# Predicted counts of claims
age | Predicted | 95% CI
----------------------------------
<25 | 27.44 | [22.97, 32.78]
25-29 | 24.17 | [20.88, 27.97]
30-35 | 21.30 | [18.51, 24.50]
>35 | 18.04 | [16.21, 20.07]
Adjusted for:
* ln_holders = 4.90
$ln_holders
# Predicted counts of claims
ln_holders | Predicted | 95% CI
-------------------------------------------
1 | 0.55 | [ 0.46, 0.66]
2 | 1.50 | [ 1.26, 1.80]
3 | 4.09 | [ 3.42, 4.88]
4 | 11.11 | [ 9.30, 13.27]
5 | 30.19 | [ 25.28, 36.07]
6 | 82.08 | [ 68.71, 98.05]
7 | 223.11 | [ 186.77, 266.52]
9 | 1648.59 | [1380.06, 1969.36]
Adjusted for:
* age = <25
attr(,"class")
[1] "ggalleffects" "list"
attr(,"model.name")
[1] "nb_glm_offset"