จะแก้ไขค่าสัมประสิทธิ์ในการถดถอยแบบลอจิสติกอันดับที่ไม่มีสมมติฐานอัตราต่อรองใน R ได้อย่างไร?

ฉันต้องการทำการถดถอยโลจิสติกอันดับใน R โดยไม่มีสมมติฐานอัตราต่อรองสัดส่วน ฉันรู้ว่านี้สามารถทำได้โดยตรงโดยใช้vglm()ฟังก์ชั่นในโดยการตั้งค่าRparallel=FALSE

แต่ปัญหาของฉันคือวิธีแก้ไขชุดสัมประสิทธิ์เฉพาะในการตั้งค่าการถดถอยนี้ ตัวอย่างเช่นสมมติว่าตัวแปรเป็นต่อเนื่องและลำดับและสามารถใช้ค่า , หรือ3หาก regressors เป็นและดังนั้นสมการการถดถอยคือ $Y$ $Y = 1$ $2$ $3$ $X_{1}$ $X_{2}$

\begin{aligned} ล. โอ ก. ผม เสื้อ (P (Y \leq 1)) & = α_{1} + β_{11} X_{1} + β_{12} X_{2} \\ ล. โอ ก. ผม เสื้อ (P (Y \leq 2)) & = α_{2} + β_{21} X_{1} + β_{22} X_{2} \end{aligned}

$\begin{aligned} {\rm logit} \big( P(Y \leq 1) \big) &= \alpha_{1} + \beta_{11}X_{1} + \beta_{12}X_{2} \\ {\rm logit}\big(P(Y \leq 2) \big) &= \alpha_{2} + \beta_{21}X_{1} + \beta_{22}X_{2} \end{aligned}$

ฉันต้องการชุดและไป1โปรดแจ้งให้เราทราบว่าฉันจะทำสิ่งนี้ได้อย่างไร นอกจากนี้หากไม่สามารถทำสิ่งนี้ได้โปรดแจ้งให้ฉันทราบด้วยว่าฉันสามารถทำสิ่งนี้ได้ในซอฟต์แวร์สถิติอื่น ๆ หรือไม่? $\beta_{11}$ $\beta_{22}$ $1$ R

r regression logistic

— Shanker
แหล่งที่มา

คือ

ต่อเนื่องหรือเด็ดขาด? ถ้าอย่างหลังคุณอาจเข้าใกล้สิ่งที่คุณต้องการด้วยการรันการวิเคราะห์แบบแบ่งชั้น

X_{1}

$X_1$

— Peter Flom

ขอบคุณสำหรับคำตอบของปีเตอร์ ทั้ง X1 และ X2 นั้นต่อเนื่องกัน

— Shanker

ดังนั้นเป็นจุดที่คุณต้องการเพิ่มประสิทธิภาพพอดีของรุ่นนี้มากกว่าอัลฟา?

— gung - Reinstate Monica

1

$1$

$\beta_{11}$ $\beta_{22}$ $1$ R

ฉันไม่แน่ใจว่าฉันเข้าใจว่า OP หมายถึงอะไรเมื่อเขา / เธอพูดว่า "ฉันไม่สามารถใช้offsetเพราะมันจะลบ regressor ที่เกี่ยวข้องออกจากการถดถอย" คุณสามารถแก้ไขพารามิเตอร์โดยใช้offset()ฟังก์ชั่นใน R. ฉันใช้lm()ด้านล่าง แต่ควรทำงานในแบบจำลองของคุณเช่นกัน

dat  <- data.frame(x=rnorm(30))
dat$y <- dat$x * 2 + rnorm(30) 
free <- lm(y ~ x,dat)
fixed1<- lm(y ~ offset(2 * x),dat)

summary(free)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  0.03899    0.17345   0.225    0.824    
#x            2.17532    0.18492  11.764 2.38e-12 ***

summary(fixed1)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)
#(Intercept)  0.05043    0.17273   0.292    0.772

พารามิเตอร์คงที่ไม่ปรากฏในผลลัพธ์ แต่ก็ยังคงอยู่ที่ 2 ต่อไปฉันจะแก้ไขxพารามิเตอร์ให้เป็นค่าโดยประมาณในfreeรูปแบบ

fixed2<- lm(y ~ offset(2.17532 * x),dat)
summary(fixed2)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)
#(Intercept)  0.03899    0.17002   0.229     0.82

ขอให้สังเกตว่าการสกัดกั้นในfixed2ประมาณด้วยค่าเดียวกันกับในfreeรูปแบบ

— ndoogan
แหล่งที่มา