タグ付けされた質問 「rlm」

MASSパッケージのRを使用してrlm()、MMの重みでロバストな線形モデルを推定しました。`R``はモデルの値を提供しませんが、意味のある量であればR 2が欲しいです。また、ロバスト回帰で観測値に重みが付けられたのと同じ方法で、合計分散と残差を重み付けするR 2値を持つことに意味があるかどうかを知りたいと思っています。私の一般的な考え方は、回帰の目的で、何らかの方法で外れ値であるため、いくつかの推定値の影響が少ない重みを本質的に使用している場合、r 2を計算するためにそれらを与える必要があるかもしれないということです同じ見積もりは影響が少ない？R2R2R^2R2R2R^2r2r2r^2 と重み付きR 2の2つの簡単な関数を書きました。それらは以下にあります。また、HI9と呼ばれる私のモデルに対してこれらの関数を実行した結果も含めました。編集：私は式を与えるUNSWのアデルコスターのウェブページが見つかりそれは両方の計算の計算に重みベクトルを含んでいると、私がやったように、そしてより正式な参照のために彼女に尋ねた：のhttp：//web.maths。 unsw.edu.au/~adelle/Garvan/Assays/GoodnessOfFit.html（この重み付けされたr 2の解釈方法については、Cross Validatedからのヘルプを引き続き探しています。）R2R2R^2R2R2R^2R2SSeSStr2r2r^2 #I used this function to calculate a basic r-squared from the robust linear model r2 <- function(x){ + SSe <- sum((x$resid)^2); + observed <- x$resid+x$fitted; + SSt <- sum((observed-mean(observed))^2); + value <- 1-SSe/SSt; + return(value); + } r2(HI9) [1] 0.2061147 #I …

19 r  goodness-of-fit  r-squared  robust  rlm 

回帰を使用して予測モデルを作成しようとしています。これは、Rでlm（）を使用して取得したモデルの診断プロットです。 QQプロットから読み取ったのは、残差が裾が重い分布であり、残差vs適合プロットは残差の分散が一定でないことを示唆しているようです。堅牢なモデルを使用して、残差の重い裾を飼いならすことができます。 fitRobust = rlm(formula, method = "MM", data = myData) しかし、それは物事が止まるところです。ロバストモデルの重さはいくつかの点0です。これらの点を削除すると、ロバストモデルの残差と近似値は次のようになります。 異分散はまだそこにあるようです。使用する logtrans(model, alpha) αα\alpha rlm(formula, method = "MM") ログ（Y+ α ）〜X1+ ⋯ + Xんログ⁡（Y+α）〜バツ1+⋯+バツん\log(Y + \alpha) \sim X_1+\cdots+X_nαα\alpha 私には、残差がまだ一定の分散を持っていないように見えます。私は他の応答変換（Box-Coxを含む）を試しましたが、それらも改善のようには見えません。私がやっていることの第2段階（つまり、ロバストなモデルでの応答の変換を見つけること）が、どの理論によってもサポートされているかどうかさえわかりません。コメント、考え、または提案をいただければ幸いです。

8 regression  residuals  heteroscedasticity  robust  rlm