用于 beta 回归的 anova 样对象

Question

我想知道，R 中是否有任何类似于 anova 的对象用于 beta 回归？我知道它没有在betareg 包中实现，但我不明白为什么会这样。

如果没有这样的对象，有什么简单的方法可以执行吗？

任何帮助将不胜感激。

编辑：

我真正想要的是确定因素的重要性。使用lmtest 包会是这样的：

library("betareg")
data("ReadingSkills", package = "betareg")

m1 <- betareg(accuracy ~ dyslexia, data = ReadingSkills)
m2 <- betareg(accuracy ~ iq, data = ReadingSkills)
m3 <- betareg(accuracy ~ iq + dyslexia, data = ReadingSkills)
library("lmtest")
lrtest(m2, m3)
lrtest(m1, m3)

但是由于模型中有大量协变量，这种方法似乎有点不舒服

Answer 1

类似于https://stats.stackexchange.com/questions/297465/deviance-in-hurdle-model/299857#299857 Beta 回归模型不是标准 GLM，尤其是当它们在精度子模型中有回归量时。因此，偏差分析的工作方式与 GLM 不同。 （因此，@Adela 提出的Anova() 解决方案是不正确的。）

相反，可以使用包lmtest 中的通用waldtest() 和lrtest() 函数来执行嵌套模型比较的Wald 或似然比检验。 vignette("betareg", package = "betareg") 也说明了这一点，下面还包含一个简单的示例：

library("betareg")
data("ReadingSkills", package = "betareg")
m0 <- betareg(accuracy ~ 1 | 1, data = ReadingSkills)
m1 <- betareg(accuracy ~ iq | 1, data = ReadingSkills)
m2 <- betareg(accuracy ~ iq + dyslexia | 1, data = ReadingSkills)
m3 <- betareg(accuracy ~ iq + dyslexia | iq + dyslexia, data = ReadingSkills)
library("lmtest")
lrtest(m0, m1, m2, m3)
## Likelihood ratio test
## 
## Model 1: accuracy ~ 1 | 1
## Model 2: accuracy ~ iq | 1
## Model 3: accuracy ~ iq + dyslexia | 1
## Model 4: accuracy ~ iq + dyslexia | iq + dyslexia
##   #Df LogLik Df  Chisq Pr(>Chisq)    
## 1   2 26.421                         
## 2   3 34.586  1 16.330  5.322e-05 ***
## 3   4 49.951  1 30.730  2.966e-08 ***
## 4   6 61.257  2 22.612  1.230e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Answer 2

嗯，我找到了答案 - 可以使用 car 包中的 Anova() 函数。