如何计算稳健回归模型的拟合值
How to calculate fitted values for robust regression models
我在 R 中使用 robustreg 包来拟合稳健的回归模型，我的模型基于迭代重新加权的最小二乘法，这些模型中的最小二乘法是使用 Tukey 的 Bisquare Psi 函数和 Huber Psi 函数加权的，为了估计我使用以下代码的模型：
RobBS <- robustRegBS(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
RobH <- robustRegH(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
但该函数仅 return 系数、权重和均方误差，因此我需要找到拟合值，为此我使用了函数 fitted() 和 predict() 以两个函数得到的输出为对象，但是没有用，请问有专门针对这种情况制作的R包吗？我的意思是一个可以计算稳健回归模型的拟合值的包。
包本身可能是可行的方法。似乎该包的创建者对 R 的 class 功能知之甚少。该包包含一个函数 fit_rcpp，使用 help(fit_rcpp) 文档指出它将给出可靠的预测y，给定设计 X 和系数 b（也没有很好地解释）。
因此对于这个特定包，您可以使用此函数获得估计值。
model_matrix <- model.matrix(UND ~ FA + FS + IPOV + ROA + NI + IPOR + Pd + MP30 + D20, data = IPO)
fit_rcpp(model_matrix, RobBS$coefficients)
fit_rcpp(model_matrix, RobH$coefficients)
我在 R 中使用 robustreg 包来拟合稳健的回归模型，我的模型基于迭代重新加权的最小二乘法，这些模型中的最小二乘法是使用 Tukey 的 Bisquare Psi 函数和 Huber Psi 函数加权的，为了估计我使用以下代码的模型：
RobBS <- robustRegBS(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
RobH <- robustRegH(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
但该函数仅 return 系数、权重和均方误差，因此我需要找到拟合值，为此我使用了函数 fitted() 和 predict() 以两个函数得到的输出为对象，但是没有用，请问有专门针对这种情况制作的R包吗？我的意思是一个可以计算稳健回归模型的拟合值的包。
包本身可能是可行的方法。似乎该包的创建者对 R 的 class 功能知之甚少。该包包含一个函数 fit_rcpp，使用 help(fit_rcpp) 文档指出它将给出可靠的预测y，给定设计 X 和系数 b（也没有很好地解释）。
因此对于这个特定包，您可以使用此函数获得估计值。
model_matrix <- model.matrix(UND ~ FA + FS + IPOV + ROA + NI + IPOR + Pd + MP30 + D20, data = IPO)
fit_rcpp(model_matrix, RobBS$coefficients)
fit_rcpp(model_matrix, RobH$coefficients)