কীভাবে একটি সহগকে ঠিক করা যায় এবং রিগ্রেশন ব্যবহার করে অন্যকে ফিট করে

Question

আমি ম্যানুয়ালি একটি নির্দিষ্ট ঠিক করতে চাই, , তারপরে রাখার পরে অন্য সমস্ত ভবিষ্যদ্বাণীকের সাথে সহগের ফিট করুন ।β 1 = $\beta_1=1.0$$\beta_1=1.0$

আমি কীভাবে আর ব্যবহার করে এটি অর্জন করতে পারি? আমি বিশেষত glmnetযদি সম্ভব হয় তবে লাসো ( ) এর সাথে কাজ করতে চাই ।

বিকল্পভাবে, আমি কীভাবে এই একটি নির্দিষ্ট পরিসরে সীমাবদ্ধ রাখতে পারি, ?$0.5\le\beta_1\le1.0$

Comments

লাগানো সহগগুলিতে বাক্স সীমাবদ্ধতা নির্দিষ্ট করতে আর্গুমেন্টগুলি কম.লিমিট এবং গ্ল্যামনেটে আপার.লিট আছে, তাই না?

— টম Wenseleers

Answer 1

আপনার এইভাবে offsetযুক্তিটি ব্যবহার করা দরকার :

library(glmnet)
x=matrix(rnorm(100*20),100,20)
x1=matrix(rnorm(100),100,1)
y=rnorm(100)
fit1=glmnet(x,y,offset=x1)
fit1$offset
print(fit1)

পরিসর সম্পর্কে ... আমি মনে করি না যে এটি কার্যকর হয়েছে glmnet। যদি তারা কিছু সংখ্যক পদ্ধতি ব্যবহার করে তবে আপনি আর কোডটি খনন করতে এবং সেখানে এটি সীমাবদ্ধ করার চেষ্টা করতে পারেন, তবে আপনার একটি ভাল, দৃ programming় প্রোগ্রামিংয়ের পটভূমি প্রয়োজন।

Comments

offsetআসলে কি করছে? 1.1*x1প্রশ্ন থেকে নির্ধারিত মানটি কীভাবে নির্ধারণ করা হয়?

— whuber

আমি গ্ল্যামনেটে 'অফসেট' এর জন্য ডকুমেন্টেশন পড়েছি এবং এটি এখনও কী তা নিশ্চিত তা সম্পর্কে আমি নিশ্চিত নই। আমি কোনও দুর্দান্ত উদাহরণ খুঁজে পাইনি, তবে বেশিরভাগ রেফারেন্স পায়সন প্রক্রিয়া processes 1.1 * x1 কেন ব্যবহার করা হয়?

— রেকো

আমি ভেবেছিলাম তিনি । আমি কেবল উত্তরটি সম্পাদনা করেছি। অফসেটটি এমন একটি শব্দটি যেখানে এর গুণাগুণটি মডেল দ্বারা অনুমান করা হয় না তবে মানটি ১ হিসাবে ধরে নেওয়া হয়$\beta_1=1.1$

— স্ট্যাট

আমি এই উত্তর দিয়ে যথেষ্ট খুশি। আমি বিভিন্ন অফসেট "সহগ" এবং মডেলের তুলনা করে পুনরাবৃত্তি করতে পারি। ধন্যবাদ!

— রিকো

শুভেচ্ছার সঙ্গে offsetএ glmnetপ্যাকেজ, তাত্ক্ষণিকবাজার দ্বারা উপলব্ধ উত্তর আমাকে অর্থে দেখা যায় না। আমি যখন ফিট 1 চালাচ্ছি বিটা)] আমি কোনও দেখি না । আপনার উদাহরণটিতে অফসেট কীভাবে কাজ করছে তা আপনি পরিষ্কার করতে পারেন? বিটাগুলির পরিসীমাটির জন্য, আপনি যুক্তি এবং তর্কগুলি ব্যবহার করতে পারেন । $beta[,ncol(fit1$$\beta_1=1.0$lower.limitsupper limits

— মারিও নুয়েজ

Answer 2

ঠিক আছে, চিন্তা করা যাক। তোমার আছে:

$Y = b_0 + b_1x_1 + b_2x_2 + e$

(এটিকে সহজ রাখতে) আপনি কে জোর করতে চান, আপনি চান$b_1 = 1$

$Y = b_0 + x_1 + b_2x_2 + e$

সুতরাং আপনি কেবল প্রতিটি পাশ থেকে ছেড়ে বিয়োগ করতে পারবেন :$x_1$

$Ynew = Y-x_1 = b_0 + b_2x_2 + e$

যার পরে অনুমান করা ।$b_2$

Comments

এটি সহজ অংশ (এবং আমি স্মরণ করার সাথে সাথে অন্যান্য থ্রেডগুলিতে সম্বোধন করা হয়েছে)। গুণমানকে একটি ব্যাপ্তিতে সীমাবদ্ধ করার বিষয়ে কী? এই সমস্যাটির বিশেষত শক্ত অংশটি হ'ল ভাল আত্মবিশ্বাসের সীমা অর্জন করা যখন অনুমানটি সীমাবদ্ধ অঞ্চলের সীমানায় থাকে।

— হোয়বার

এটা অবশ্যই শক্ত। আমি পোস্টের শেষ মিস করছি। তবে আমি মনে করি যে আমার প্রশ্নের উত্তরটি যেমন প্রশ্নের উত্তর হিসাবে দেয় ততই ছেড়ে দেওয়া উচিত

— পিটার ফ্লুম - মনিকা পুনরায়

এটি এখনও হলে সাধারণীকরণ হয় ? 1 এর পরিবর্তে আসুন , , যেখানে হল রিগ্রেশন দ্বারা নির্বাচিত সহগβ 1 = 0.75 ওয়াই এন ই W = ওয়াই - .75 এক্স 1 = β 0 + + ( β 1 ' - 0.75 ) x 1 + + β 2 এক্স 2 + + ε β 1$\beta_1 \neq 1$$\beta_1 = 0.75$$Ynew = Y - .75x_1 = \beta_0 + (\beta_1\prime - 0.75)x_1 + \beta_2x_2 + \epsilon$$\beta_1\prime$

— রাকো

হ্যাঁ, যদি এটি .75 এ স্থির হয় তবে আপনি যা বলছেন তা কার্যকর হবে। তবে @ শুভর বক্তব্য হিসাবে, এটি এই সমস্যার সহজ অংশ

— পিটার ফ্লুম - মনিকা পুনরায়

@ হুবুয়ার, কোনও বায়েশিয়ান কাঠামোতে আপনি আপনার সীমার বাইরে কোনও সহগকে টস করতে মেট্রোপলিস পদক্ষেপে নিক্ষেপ করতে পারেন বা পর্যায়ক্রমে আপনি কাটা কাটা মাল্টিভারিয়েট সাধারণ বিতরণ থেকে নমুনা নিতে পারেন।

— জন

Answer 3

সহগকে সীমার মধ্যে সীমাবদ্ধ রাখার ক্ষেত্রে, অনুমানের জন্য একটি বায়সিয়ান পদ্ধতি এটি সম্পাদন করার এক উপায়।

বিশেষত, একজন মার্কোভ চেইন মন্টি কার্লোর উপর নির্ভর করবে। প্রথমে, একটি গিবস স্যাম্পলিং অ্যালগরিদম বিবেচনা করুন, এটি কীভাবে আপনি কোনও বায়েশিয়ান কাঠামোয় এমসিএমসিকে ফিট করে যে কোনও সীমাবদ্ধতা অনুপস্থিত। গীবস স্যাম্পলিংয়ে, অ্যালগরিদমের প্রতিটি ধাপে আপনি প্রতিটি প্যারামিটারের উত্তর বিতরণ (বা প্যারামিটারের গ্রুপ) থেকে ডেটা এবং অন্যান্য সমস্ত পরামিতিগুলির শর্তাধীন। উইকিপিডিয়া পদ্ধতির একটি ভাল সংক্ষিপ্তসার সরবরাহ করে।

সীমার সীমাবদ্ধ করার একটি উপায় হ'ল মেট্রোপলিস-হেস্টিংস পদক্ষেপ প্রয়োগ করা। মূল ধারণাটি হ'ল আপনার সীমার বাইরে থাকা কোনও সিমুলেটেড ভেরিয়েবলটি কেবল বাইরে ফেলে দেওয়া। তারপরে আপনি পরবর্তী পুনরাবৃত্তিতে যাওয়ার আগে আপনার সীমার মধ্যে না হওয়া পর্যন্ত আপনি পুনরায় স্যাম্পলিং রাখতে পারবেন। এর নেতিবাচক দিকটি হ'ল আপনি অনেক সময় সিমুলেট করে আটকে যেতে পারেন যা এমসিসিএমিকে ধীর করে দেয়। একটি বিকল্প পদ্ধতি, মূলত দ্বারা উন্নত জন Geweke একটি কয়েক কাগজপত্র এবং দ্বারা একটি কাগজ প্রসারিত রদ্রিগেজ-মিষ্টি আলু, ডেভিস, শার্প একটি সীমাবদ্ধ বহুচলকীয় সাধারন বন্টনের থেকে সিমুলেট হয়। এই পদ্ধতির প্যারামিটারগুলিতে রৈখিক এবং অ-রৈখিক অসমতার সীমাবদ্ধতাগুলি পরিচালনা করতে পারে এবং এটির সাথে আমার কিছুটা সাফল্য এসেছে।

Comments

লাগানো সহগগুলিতে বাক্স সীমাবদ্ধতা নির্দিষ্ট করতে আর্গুমেন্টগুলি কম.লিমিট এবং গ্ল্যামনেটে আপার.লিট আছে, তাই না?

— টম Wenseleers

@ টমউইনসেলার্স আমি আরও সাধারণভাবে উত্তর দিচ্ছিলাম। শ্রদ্ধার সাথে অন্য কয়েকটি উত্তর দেখুন glmnet।

— জন

Answer 4

আমি লাসো বা তার সাথে পরিচিত নই glmnet, তবে lavaan("সুপ্ত পরিবর্তনশীল বিশ্লেষণ" এর জন্য সংক্ষিপ্ত) উভয় সাম্যতার সীমাবদ্ধতা এবং একক-সীমিত অসমতার সীমাবদ্ধতা সহ একাধিক রিগ্রেশন মডেলকে সহায়তা করে ( এই পিডিএফের 7 পৃষ্ঠায় টেবিলটি দেখুন , "লাভান: একটি আর প্যাকেজ) কাঠামোগত সমীকরণ মডেলিংয়ের জন্য " )। আপনার সহগের উপরের এবং নিম্ন উভয় সীমানা থাকতে পারে কিনা আমি জানি না, তবে আপনি পৃথক লাইনের সাথে প্রতিটি আবদ্ধ যুক্ত করতে পারেন, যেমন:

Coefficient>.49999999
Coefficient<1.0000001

অবশ্যই, আপনি যদি মডেলটি ফিট করার আগে সবকিছু মানিক করে তোলেন তবে আপনার রিগ্রেশন সহগের উপর যাইহোক 1 এর উপরের বাউন্ড চাপিয়ে দেওয়ার চিন্তা করা উচিত নয়। আমি বলব আপনি যদি এই ক্ষেত্রে কিছু ভুল হয়ে যায় তবে এই ক্ষেত্রে এটি বাদ দেওয়া ভাল! ( lavaan হয় পরে ... আমি এটা আমার নিজের সীমিত ব্যবহারের মধ্যে কিছু সামান্য মেছো ফলাফল দেখা করেছি দূর পর্যন্ত এখনো বেটা।)

Comments

লাগানো সহগগুলিতে বাক্স সীমাবদ্ধতা নির্দিষ্ট করতে আর্গুমেন্টগুলি কম.লিমিট এবং গ্ল্যামনেটে আপার.লিট আছে, তাই না?

— টম Wenseleers