lasso回归求助~statat的lasso回归所选择的lambda值是最小值是正常的吗？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

求助论坛的stata大佬~使用stata进行了lasso回归，在决定使用CV、minBIC、adaptive哪种方法时需选择合适的lambda值，但运行的结果显示三种方法选择的都是模型的lambda最小值，这种情况是正常的吗？
运行代码如下：
lasso linear y x if sample==1,rseed(1234)//CV方法
lassoknots,display(nonzero osr2 bic)//查看BIC，并选择相应的模型，minBIC方法
lassoselect id=14

lasso linear y x if sample==1,selection(adaptive) rseed(1234)//adaptive方法
结果如下：
--------------------------------------------------------------------------
         |                                No. of      Out-of-      CV mean
         |                               nonzero       sample   prediction
      ID |     Description      lambda     coef.    R-squared        error
---------+----------------------------------------------------------------
       1 |    first lambda    5.069195         0       0.0007     75.29883
      86 |   lambda before    .0018646        19       0.4151     44.06955
    * 87 | selected lambda     .001699        19       0.4151     44.06927
--------------------------------------------------------------------------

三种方法所选择的都是lambda值最小的ID，因此也不会输出lambda after和last lambda的数据结果。不知道这个结果是否正常？我能否直接在论文报告不含lambda after和last lambda的数据结果呢？感谢回答的坛友！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Lambda statat LASSO Stata tata

图片如下

在LASSO回归中，选择合适的lambda值是非常重要的，因为它控制了模型的稀疏性。对于CV（交叉验证）、minBIC（最小贝叶斯信息准则）和adaptive（自适应）三种选择lambda的方法，通常期望它们选择的lambda值是不同的。

在你的运行结果中，三种方法选择的lambda值都是模型的最小值。这种情况是可能的，但并不常见。

根据您提供的结果，三种方法都选择了lambda值最小的ID，并且没有输出lambda after和last lambda的数据结果。这种情况是正常的。

在LASSO回归中，lambda值控制着稀疏性的程度，较小的lambda值会产生更多的非零系数。因此，当选择CV、minBIC或adaptive方法时，通常会选择lambda值最小的模型作为最终模型。

可以在论文报告中提供这个结果，并解释说选择了lambda值最小的模型。还可以提及在这种情况下没有输出lambda after和last lambda的数据结果，这是因为选择的模型是lambda值最小的模型。

如果研究领域有特定的标准或惯例，建议参考相关文献或咨询导师，以确保报告符合该领域的要求。

CDA137652 发表于 2023-10-8 10:20
根据您提供的结果，三种方法都选择了lambda值最小的ID，并且没有输出lambda after和last lambda的数据结果 ...

好的谢谢，我明白了，非常感谢您的回复！