Tôi đã đọc mô tả về hồi quy sườn trong Mô hình thống kê tuyến tính ứng dụng , Ed thứ 5 chương 11. Hồi quy sườn được thực hiện trên dữ liệu mỡ cơ thể có sẵn ở đây .
Sách giáo khoa khớp với đầu ra trong SAS, trong đó các hệ số biến đổi ngược được đưa ra trong mô hình được trang bị là:
Điều này được hiển thị từ SAS là:
proc reg data = ch7tab1a outest = temp outstb noprint;
model y = x1-x3 / ridge = 0.02;
run;
quit;
proc print data = temp;
where _ridge_ = 0.02 and y = -1;
var y intercept x1 x2 x3;
run;
Obs Y Intercept X1 X2 X3
2 -1 -7.40343 0.55535 0.36814 -0.19163
3 -1 0.00000 0.54633 0.37740 -0.13687Nhưng R cho các hệ số rất khác nhau:
data <- read.table("http://www.cst.cmich.edu/users/lee1c/spss/V16_materials/DataSets_v16/BodyFat-TxtFormat.txt",
sep=" ", header=FALSE)
data <- data[,c(1,3,5,7)]
colnames(data)<-c("x1","x2","x3","y")
ridge<-lm.ridge(y ~ ., data, lambda=0.02)
ridge$coef
coef(ridge)
> ridge$coef
x1 x2 x3
10.126984 -4.682273 -3.527010
> coef(ridge)
x1 x2 x3
42.2181995 2.0683914 -0.9177207 -0.9921824
> Bất cứ ai có thể giúp tôi hiểu tại sao?
Tôi đã sử dụng cùng một bộ dữ liệu và phân tích nó trong SPSS. Kết quả tương tự như SAS. Tuy nhiên, nếu chúng ta có thể chuẩn hóa dữ liệu như trong sách, giá trị đầu tiên tại c = 0 tương tự như trong R và SPSS (chạy hồi quy tuyến tính đa biến). Tuy nhiên, kết quả khá khác nhau khi chúng ta di chuyển xa hơn như đã chỉ ra ở trên. Tôi cũng không tìm thấy manh mối về sự khác biệt giữa các đầu ra cho cùng một dữ liệu.
—
Asad