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)。