로지스틱 회귀 및 모델 축소 - 모델 피팅 결과 간의 불일치나는 사용하고 일반화 회귀 플랫폼 이항분포 로지스틱 모델에 맞춘 다음 모델 선택 (예: Best Subset - AIC) 모델 복잡성을 줄입니다.
모델이 축소되면 활성 조건만 사용하여 다시 시작하십시오. , 동일한 정확한 플랫폼 사용 -- 이항 분포를 사용한 일반화 회귀, 그래서 동일한 계수와 예측으로 축소된 모델과 정확히 동일한 적합 모델을 얻어야 합니다.
그럼에도 불구하고 두 프로파일러를 비교해보면 약간 다른 예측값을 얻게 되고, 매우 다른 예측 간격 .
왜 이런 일이 발생하는지 설명해 주시겠습니까?
또한 두 가지 핏 중 어느 것을 믿어야 합니까?
감사합니다!
Re: 로지스틱 회귀 및 모델 축소 - 모델 피팅 결과 간의 불일치안녕 미콜,
이러한 불일치의 이유는 두 모델이 모수 추정치의 공분산(표준 오차에 영향을 미침)에 대해 서로 다른 추정치를 사용하고 있기 때문입니다. 변수 선택(Lasso, FS, …)을 수행할 때마다 Zou 2006 및 Huber 및 Ronchetti 2009에 설명된 대로 샌드위치 매트릭스를 사용합니다.
Zou, H. (2006). "적응형 올가미 및 해당 Oracle 속성." 미국 통계 협회 저널 101:1418–1429.
Huber, PJ 및 Ronchetti, EM (2009). 강력한 통계. 2판. 존 와일리 앤 선즈.
로지스틱/이항 피팅과 같은 MLE를 수행할 때마다 일반적인 Fisher 정보 매트릭스를 사용합니다. 단계적 회귀를 사용하여 도달한 축소된 모델의 경우 재적합한 경우 2차 결과(신뢰 구간이 더 작음)를 사용하는 것이 좋습니다.
이게 도움이 되길 바란다!
감사해요,
아담 모리스
JMP 기술 지원
