如何为稳健回归设置参数？
how to set parameter for robust regression?
我正在使用 rlm R 包并使用 Huber 函数进行稳健回归试验。这是我的代码：
myfit= rlm(formula = depvar ~ indep1+indep2, init="ls",data = my_input_data,psi =psi.huber, k=0.99,method = "M", maxit=200)
k 是 Huber 函数 (psi.huber) 的调整参数，我在上面的代码中将其设置为 0.99。
但是，rlm R 文档中指定的默认值是 k = 1.345。
如果统计数据普遍接受更改此调整参数，我将不胜感激。有没有办法通过一些优化自动确定这个参数？
我认为这可能会为您提供一些如何解释 k 的值的指示：http://www.iwaenc.org/proceedings/1997/nsip97/pdf/scan/ns970534.pdf k is a borderline value of central Gaussian part of the distribution. Depending on the data, you might want to reduce or increase efficiency of regressor estimator (1.345 corresponds to 95% efficiency: https://cran.r-project.org/web/packages/robustbase/vignettes/psi_functions.pdf)。
我正在使用 rlm R 包并使用 Huber 函数进行稳健回归试验。这是我的代码：
myfit= rlm(formula = depvar ~ indep1+indep2, init="ls",data = my_input_data,psi =psi.huber, k=0.99,method = "M", maxit=200)
k 是 Huber 函数 (psi.huber) 的调整参数，我在上面的代码中将其设置为 0.99。
但是，rlm R 文档中指定的默认值是 k = 1.345。
如果统计数据普遍接受更改此调整参数，我将不胜感激。有没有办法通过一些优化自动确定这个参数？
我认为这可能会为您提供一些如何解释 k 的值的指示：http://www.iwaenc.org/proceedings/1997/nsip97/pdf/scan/ns970534.pdf k is a borderline value of central Gaussian part of the distribution. Depending on the data, you might want to reduce or increase efficiency of regressor estimator (1.345 corresponds to 95% efficiency: https://cran.r-project.org/web/packages/robustbase/vignettes/psi_functions.pdf)。