<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />prédicteur lui-même semble bien. Qu'est-ce que ça veut dire?
J'ai observé que cela se produit plus souvent lorsque les termes d'interaction sont inclus dans le modèle. Std err = 0 s'est produit dans certains modèles, mais pas tous les modèles incluant les mêmes prédicteurs.
La méthode d'estimation est le lasso tandis que la distribution de la variable dépendante est le binôme ZI, car le DV représente un événement rare (codé 0 ou 1).
merci pour vos commentaires ou vos idées!
Salut Kevin,
merci beaucoup pour votre réponse et le papier recommandé. Je commence tout juste à me familiariser avec la régression généralisée ces derniers temps. L’article de Tibshirani, R. (1996) sera un bon support de lecture pour obtenir des détails plus techniques sur cette approche.
J'aurais dû énoncer ma question plus clairement. Les prédicteurs qui me semblent un peu préoccupants sont ceux dont l'estimation est non nulle (par exemple, 0,11), mais avec une erreur std = 0 et identique inférieure 95% et supérieure 95%. Pour certains autres modèles statistiques, lorsqu'il existe une valeur inhabituelle d'erreur standard pour un prédicteur, cela déclenche un drapeau rouge pour l'ensemble du modèle / de l'analyse.
Donc, en général, je me demande si, après l'exécution de la régression généralisée JMP, il existe un petit nombre de prédicteurs (dans certaines analyses, y compris le terme d'interception) avec des valeurs non nulles dans le coefficient estimé mais avec une erreur standard égale à zéro Je fais confiance aux estimations / résultats de cette analyse particulière? Ou les estimations pour les autres prédicteurs et le modèle global sont-elles toujours bonnes tout en négligeant ces prédicteurs std err = 0?
Nous avons beaucoup de prédicteurs, environ 40. certains d'entre eux sont catégoriques. la variable dépendante est un événement rare, mais les prédicteurs ne le sont pas.
Et si quelqu'un peut indiquer quelles sont les explications possibles de l'erreur standard = 0 alors que les estimations sont non nulles (est-ce que cela signifie que ces prédicteurs sont sur le point d'être réduits? Haha, je plaisante), ou des moyens de tester ce qui pourrait être la raison, il serait très utile de comprendre les causes potentielles de ce problème.
Je vous remercie!
Je recommande la lecture de Tibshirani, R. (1996); "Régression retrait et de la sélection via le lasso"; Journal de la Société royale de statistique, série B (méthodologique), vol 58, numéro 1; pp 267-288. La section 2.5 concerne les erreurs types, dans laquelle il est indiqué "Comme l'estimation de lasso est une fonction non linéaire et non différentiable de la réponse ..., il est difficile d'obtenir une estimation précise de son erreur type." Il note qu'une approximation commune de la matrice de covariance des estimations donne des variances estimées à 0 pour les prédicteurs pour lesquels les estimations sont tombées à 0.
