Μετάβαση στο κύριο περιεχόμενο
Υποστήριξη
Είσοδος με Microsoft
Είσοδος ή δημιουργία λογαριασμού.
Γεια σας,
Επιλέξτε διαφορετικό λογαριασμό.
Έχετε πολλούς λογαριασμούς
Επιλέξτε τον λογαριασμό με τον οποίο θέλετε να εισέλθετε.

Εκτέλεση μια συνάρτηση rxLogit() η οποία δύναται να αναμένεται να ισοδυναμεί με ένα glm() και rxGlm() κλήσης στα ίδια δεδομένα ενδέχεται να επιστρέφουν διαφορετικά αποτελέσματα από τα αναμενόμενα.

Με το παρακάτω απλό παράδειγμα, θα ταιριάζει με τους συντελεστές που επιστρέφονται από glm() και rxGlm() αλλά αυτές επιστρέφονται από rxLogit() μπορεί να είναι διαφορετική.

 myFormula <- as.formula("y ~ x1 + x2 + x3 ")model <- rxLogit( myFormula, data = sampleData)
modelGLM <- glm(myFormula,family=binomial(logit),data=sampleData)
modelrxGLM <- rxGlm(myFormula,family=binomial(logit), data=sampleData)

Το κλειδί είναι η ρύθμιση initialValues = NA στο rxLogit().

Για rxLogit, initialValues από προεπιλογή στην τιμή NULL. Από τη Βοήθεια για το rxLogit: "οι αρχικές τιμές θα υπολογιστεί που βασίζονται σε μια γραμμική παλινδρόμηση. Αυτό μπορεί να επιταχύνει σημαντικά σε πολλές περιπτώσεις η σύγκλιση. Εάν το μοντέλο δεν συγκλίνουν με αυτές τις τιμές, εκτίμησης είναι αυτόματα εκ νέου Έναρξη χρησιμοποιώντας την επιλογή "δ/υ" για τις αρχικές τιμές." Εάν χρησιμοποιείται το NA, "αρχικές τιμές των παραμέτρων υπολογίζονται από ένα βήμα σταθμισμένων ελαχίστων τετραγώνων". Για rxGlm, η προεπιλεγμένη τιμή initialValues NA.

Εάν τα αποτελέσματα από rxLogit διαφέρουν απροσδόκητα, και ίσως να είναι ότι το μοντέλο συγκλίνει με initialValues = NULL και τη συνάρτηση αποδίδει διαφορετικά αποτελέσματα. Όταν λειτουργεί το παράδειγμα με initalValues = NA με το rxLogit(), όλα ταιριάζουν αποτελέσματα.

Χρειάζεστε περισσότερη βοήθεια;

Θέλετε περισσότερες επιλογές;

Εξερευνήστε τα πλεονεκτήματα της συνδρομής, περιηγηθείτε σε εκπαιδευτικά σεμινάρια, μάθετε πώς μπορείτε να προστατεύσετε τη συσκευή σας και πολλά άλλα.

Οι κοινότητες σάς βοηθούν να κάνετε και να απαντάτε σε ερωτήσεις, να δίνετε σχόλια και να ακούτε από ειδικούς με πλούσια γνώση.

Σας βοήθησαν αυτές οι πληροφορίες;

Πόσο ικανοποιημένοι είστε με τη γλωσσική ποιότητα;
Τι επηρέασε την εμπειρία σας;
Πατώντας "Υποβολή" τα σχόλια σας θα χρησιμοποιηθούν για τη βελτίωση των προϊόντων και των υπηρεσιών της Microsoft. Ο διαχειριστής IT θα έχει τη δυνατότητα να συλλέξει αυτά τα δεδομένα. Δήλωση προστασίας προσωπικών δεδομένων.

Σας ευχαριστούμε για τα σχόλιά σας!

×