Почему нецелесообразно получать статистическую сводную информацию для коэффициентов регрессии от модели glmnet?

У меня есть модель регрессии с двоичным результатом. Я установил модель с помощью glmnet и получил выбранные переменные и их коэффициенты.

Так как glmnet не вычисляет значение переменной, я хотел бы передать точный результат (выбранные переменные и их коэффициенты) в glm, чтобы получить информацию (стандартные ошибки и т.д.).

Я искал r-документы, похоже, я могу использовать опцию "method" в glm, чтобы указать определенную пользователем функцию. Но я не смог этого сделать, может кто-нибудь мне помочь?

Ответ 1

"Очень естественный вопрос - спросить о стандартных ошибках регрессии коэффициентов или других оценочных величин. В принципе такой стандарт ошибки могут быть легко вычислены, например. используя загрузчик.

Тем не менее, этот пакет намеренно не предоставляет их. Причина для это то, что стандартные ошибки не очень значимы для смещенные оценки, такие как возникшие в результате применения санкционированных методов оценки. Палированная оценка - это процедура, которая уменьшает дисперсию оценки путем введения существенного уклона. Предвзятость каждой оценки поэтому является основным компонентом его среднеквадратической ошибки, тогда как ее дисперсия может вносить лишь небольшую часть.

К сожалению, в большинстве применений оштрафованной регрессии это невозможно получить достаточно точную оценку смещения. Любые расчеты на основе бутстрапа могут дать только оценку дисперсии оценок. Надежные оценки смещения доступны, если имеются надежные несмещенные оценки, которые как правило, не в тех случаях, когда б.

Таким образом, сообщая о стандартной ошибке заостренной оценки, только часть истории. Это может дать ошибочное впечатление точность, полностью игнорируя неточность, вызванную смещением. Это это, безусловно, ошибка, заключающаяся в том, чтобы сделать заявления о достоверности только на основе оценки дисперсии оценок, таких как основанные на бутстрапе доверительные интервалы".

Джелле Гоеман, доктор философии. Лейденский университет, автор пенитенциарного пакета в Р.

Ответ 2

Я видел, как люди запускали glm с помощью предикторов, выбранных glmnet. И там также CRAN-пакет hdi, например. который дает вывод для высокоразмерных моделей, вы можете взглянуть на это...