如何提高glm系数估计时的精度

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

在Ｒ中glm可以很好的处理系数估计，但是偏差相对于线性模型还是偏大，见如下程序：

1. n = 1000
   
2. d = 4
   
3. b = matrix(1:d,nrow=d)
   
4.     x = matrix(rnorm(n*d),nrow=n)
   
5.     pr = 1/(exp(-(0.5 + x%*%b))+1)
   
6.     y1 = (pr > runif(n))
   
7.     fit1 = glm(y1~x,family=binomial(link="logit"))
   
8.     beta1 = fit1$coefficients
   
9.    
   
10.     y2 = 0.5 + x%*%b + 0.1*rnorm(n)
    
11.     fit2 = lm(y2~x)
    
12.     beta2 = fit2$coefficients
    
13. 
    
14.    cbind(beta1,beta2)
    
15.                 beta1     beta2
    
16. (Intercept) 0.6168650 0.5036494
    
17. x1          0.9691072 0.9964494
    
18. x2          2.2784266 1.9999576
    
19. x3          3.2810038 3.0007856
    
20. x4          4.2815293 3.9990854

复制代码

请教各位老师同学，在R中，有没有一个好的方法可以提高估计的精度，使估计的bias更小？
谢谢！

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：如何提高 coefficients coefficient EFFICIENT Intercept family matrix 如何 程序 模型

两个模型的概率分布模型的假设本就不一样吗？？？一个两项，另一个的正态。两个都设正态，结果应差不多了。但也不能说“精度”高，也许两个都是不精确的或是错的。。参数模型正常均有大量假设，既是优势（如果你一一证实了假设是合理，估计较好），也是劣势（正常的应用，很难事先知道数据的分布与产生规律（知道了也不用估计了！！））。。

两个不是一样的模型， 线性比logistic精度高是因为y的信息多，logistic的y只有0和1，所以线性的power大

提高logistic的样本量，精度自然就上去了