Veikia rxLogit() funkcija, kuri gali būti tas pats, kas glm() ir rxGlm() skambutį tuos pačius duomenis gali pateikti skirtingus rezultatus, nei tikėtasi.
Šiame pavyzdyje paprastas atitiks koeficientas, gautas iš glm() ir rxGlm() bet tiems, kurie grįžo iš rxLogit() gali skirtis.
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)
Svarbiausia – nustatyti initialValues = NA, rxLogit().
RxLogit, initialValues numatytąsias reikšmes kaip nulis. Iš rxLogit Žinynas: "pirminės reikšmės bus apskaičiuojamas pagal linijinė regresijos. Tai gali paspartinti sąsajos labai daugeliu. Jei modelio nueiti naudojant šias reikšmes, įvertinimas yra automatiškai vėl pradėtas naudojant parinktį NA pirminės reikšmės." Jei NA, "pradinės reikšmės parametrų apskaičiuojamas iš reikšmingų mažiausio veiksmo". Jei norite gauti rxGlm, initialValues numatytuosius parametrus nustatysite kaip nėra.
Todėl jei netikėtai rxLogit rezultatai skiriasi, gali būti, kad modelio sutampa su initialValues = NULL ir funkcija pateikia skirtingus rezultatus. Kai vykdote pavyzdžiu su initalValues = NA, rxLogit(), visi rezultatai match.