Làm thế nào để sửa một hệ số trong hồi quy logistic thứ tự mà không giả định tỷ lệ cược trong R?

Tôi muốn thực hiện một hồi quy logistic thứ tự trong R mà không có giả định tỷ lệ cược tỷ lệ. Tôi biết điều này có thể được thực hiện trực tiếp bằng cách sử dụng vglm()chức năng trong Rbằng cách cài đặt parallel=FALSE.

Nhưng vấn đề của tôi là làm thế nào để sửa một tập hợp các hệ số cụ thể trong thiết lập hồi quy này? Ví dụ: giả sử biến phụ thuộc là rời rạc và thứ tự và có thể lấy các giá trị , hoặc . Nếu các biến hồi quy là và , thì phương trình hồi quy là $Y$ $Y = 1$ $2$ $3$ $X_{1}$ $X_{2}$

\begin{aligned} tôi o g Tôi t (P (Y \leq 1)) & = = α_{1} + β_{11} X_{1} + β_{12} X_{2} \\ tôi o g Tôi t (P (Y \leq 2)) & = = α_{2} + β_{21} X_{1} + β_{22} X_{2} \end{aligned}

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

Tôi muốn đặt và thành . Xin vui lòng cho tôi biết làm thế nào tôi có thể đạt được điều này. Ngoài ra nếu không thể làm điều này, bạn cũng có thể vui lòng cho tôi biết nếu tôi có thể đạt được điều này trong bất kỳ phần mềm thống kê nào khác không? $\beta_{11}$ $\beta_{22}$ $1$ R

r regression logistic

— Chân vịt
nguồn

Là

liên tục hay phân loại? Nếu sau này, sau đó bạn có thể nhận được một cái gì đó gần với những gì bạn muốn bằng cách chạy phân tích phân tầng.

X_{1}

$X_1$

— Peter Flom - Tái lập Monica

Cảm ơn đã trả lời Peter. Cả X1 và X2 đều liên tục.

— Shanker

Vì vậy, vấn đề là bạn chỉ muốn tối ưu hóa sự phù hợp của mô hình này hơn alpha?

— gung - Phục hồi Monica

1

$1$

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

Tôi không chắc là tôi hiểu ý của OP khi anh ấy / cô ấy nói "Tôi không thể sử dụng offsetvì nó loại bỏ hoàn toàn bộ hồi quy tương ứng khỏi hồi quy". Bạn có thể sửa tham số bằng offset()hàm trong R. Tôi đang sử dụng lm()bên dưới, nhưng nó cũng hoạt động trong mô hình của bạn.

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

Tham số cố định không hiển thị ở đầu ra, nhưng nó vẫn cố định ở mức 2. Tiếp theo tôi sẽ sửa xtham số thành giá trị ước tính của nó trong freemô hình

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

Lưu ý rằng phần chặn trong fixed2được ước tính có cùng giá trị như trong freemô hình.

— ndoogan
nguồn