การค้นหาความเข้าใจเชิงทฤษฎีของการถดถอยโลจิสติก Firth


13

ฉันกำลังพยายามที่จะเข้าใจการถดถอยโลจิสติกของเฟิร์สต์ (วิธีการจัดการการแยกแบบสมบูรณ์ / สมบูรณ์หรือแบบกึ่งสมบูรณ์ในการถดถอยโลจิสติก) เพื่อให้ฉันสามารถอธิบายให้ผู้อื่นทราบในแง่ง่าย มีใครบ้างที่มีคำอธิบายแบบหล่นลงของการปรับเปลี่ยนการประเมิน Firth ใดที่ทำให้ MLE

ฉันได้อ่านอย่างดีที่สุดแล้ว Firth (1993) และฉันเข้าใจว่าการแก้ไขนั้นถูกนำไปใช้กับฟังก์ชันคะแนน ฉันคลุมเครือเกี่ยวกับที่มาและเหตุผลของการแก้ไขและบทบาทของฟังก์ชันคะแนนใน MLE

ขออภัยถ้านี่เป็นความรู้เบื้องต้น วรรณกรรมที่ฉันตรวจสอบดูเหมือนจะต้องการความเข้าใจที่ลึกซึ้งมากขึ้นเกี่ยวกับ MLE ที่ฉันมี

คำตอบ:


11

การแก้ไขของเฟิร์ ธ นั้นเทียบเท่ากับการระบุก่อนหน้าของเจฟฟรีย์และค้นหาโหมดการกระจายหลัง โดยประมาณเพิ่มครึ่งหนึ่งของการสังเกตลงในชุดข้อมูลโดยสมมติว่าค่าที่แท้จริงของพารามิเตอร์การถดถอยเท่ากับศูนย์

θ^nθ0θ0θn=θ0+O(n1/2)=θ0+v1n1/2+o(n1/2)v1σ12n(θ^nθ0)2/σ12χ12

o(n1/2)O(n1)1/n12lndetI(θ)1/n


ขออภัยที่ฉันขาดความเข้าใจ แต่ฉันไม่ได้ติดตามอย่างสมบูรณ์ เมื่อคุณพูดว่า "Roughly จะเป็นการเพิ่มการสังเกตลงครึ่งหนึ่งในชุดข้อมูลโดยสมมติว่าค่าที่แท้จริงของพารามิเตอร์การถดถอยเท่ากับศูนย์" ทำไมคุณคิดว่าค่าจริงของพารามิเตอร์การถดถอยเท่ากับศูนย์ นอกจากนี้มันจะเพิ่มการสังเกตลงครึ่งหนึ่งให้กับชุดข้อมูลอย่างไร
ESmith5988

จากคำอธิบายที่เหลือของคุณดูเหมือนว่าฟังก์ชันความน่าจะเป็นจะถูกปรับโดยปริมาณคงที่ซึ่งจะลดอคติเชิงบวกของกลุ่มตัวอย่างขนาดเล็ก ปริมาณคงที่คือฟังก์ชันของข้อมูลที่มีค่าเป็นศูนย์เมื่อขนาดของตัวอย่างเพิ่มขึ้นถูกต้องหรือไม่
ESmith5988

ในความคิดเห็นแรกของคุณ - การแก้ไขครั้งแรกของ Firth นั้นเป็นค่าที่คาดหวังจากการมีส่วนร่วมในความน่าจะเป็นที่จะเพิ่มเข้ามาโดยการสังเกตที่จะมีน้ำหนัก 1/2 นี่ไม่ใช่คำอธิบายที่ถูกต้องโดยไม่ต้องใช้สัญชาตญาณว่าทำไมคุณถึงต้องการทำสิ่งนี้ มันแค่ช่วยให้คุณมีรสชาติ คุณตั้งค่าสัมประสิทธิ์เป็นศูนย์เพราะคุณไม่มีความคิดที่ดีกว่าว่าตัวเลขจะเป็นเท่าใด ในความคิดเห็นที่สองของคุณ - ถูกต้อง
StasK
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.