Met een rxLogit()-functie die gelijkwaardig is aan een glm() mag worden verwacht en rxGlm() aanroepen op dezelfde gegevens, andere resultaten geven dan verwacht.
In het volgende eenvoudige voorbeeld komt overeen met de coëfficiënten die worden geretourneerd door glm() en rxGlm(), maar die wordt geretourneerd door de rxLogit() afwijken.
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)
De sleutel is voor het instellen van initialValues = NA in rxLogit().
Voor rxLogit, initialValues wordt standaard ingesteld op NULL. In de help voor rxLogit: 'de beginwaarden wordt geschat op basis van een lineaire regressie. Deze kunt convergentie in veel gevallen aanzienlijk versnellen. Als het model niet met deze waarden convergeren, is raming automatisch opnieuw wordt gestart met de optie NA voor de aanvankelijke waarden." Als NA wordt gebruikt, worden "initiële waarden van de parameters berekend door een stap gewogen kleinste kwadraten". InitialValues voor rxGlm standaard NA.
Dus als de resultaten van de rxLogit wordt onverwacht verschillend zijn, wordt het model convergeert met initialValues = NULL en retourneert de functie verschillende resultaten. Als u het voorbeeld met initalValues = NA in de rxLogit(), alle resultaten vergelijken.
