英文:
Logistic Regression with a fixed coefficient for only one column
问题
我有一个包含预测列 A、B、C 和二进制响应 D 的设计矩阵
但是，我希望预测变量 A 的系数为1，并且只想确定 B 和 C 的权重。与 a0+a1*x1+a2*x2+a3*x3~y 不同，我想要 a0+x1+a2*x2+a3*x3~y。
如何使用 glm 实现这个目标？
我最初考虑了操纵逻辑回归公式 - 删除 A 预测变量并从响应中减去它，但是...
英文:
I have a design matrix with predictor columns A, B, C and a binary response D
However, I want predictor to have a given coefficient of 1, and only want to determine the weights for B and C. Instead of a0+a1*x1+a2*x2+a3*x3~y I want a0+x1+a2*x2+a3*x3~y
How could I do that with glm?
I first thought about manipulating the formula for logistic regression - remove the A predictor and substract it from the response, but
答案1
得分: 1
这是使用 offset 完成的：
> ?offset
偏移量是要添加到线性预测器中的术语，例如在广义线性模型中，其已知系数为1，而不是估计系数。
示例：
> dat <- iris[iris$Species!="setosa",]
> fit <- glm(Species ~ Sepal.Length + Sepal.Width + Petal.Length + offset(Petal.Width), dat, family=binomial)
在glm中，可以使用 offset 参数实现相同的效果：
fit2 <- glm(Species ~ Sepal.Length + Sepal.Width + Petal.Length, offset=Petal.Width, data=dat, family=binomial)
fit 和 fit2 中的系数是相同的。
英文:
This is done with offset:
> ?offset
An offset is a term to be added to a linear predictor, such as in
a generalised linear model, with known coefficient 1 rather than
an estimated coefficient.
Example:
> dat <- iris[iris$Species!="setosa",]
> fit <- glm(Species ~ Sepal.Length + Sepal.Width + Petal.Length + offset(Petal.Width), dat, family=binomial)
The same is achieved with the offset parameter in glm:
fit2 <- glm(Species ~ Sepal.Length + Sepal.Width + Petal.Length, offset=Petal.Width, data=dat, family=binomial)
The coeffcients in fit and fit2 are identical.
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论