Two iterative maximum likelihood al

Two iterative maximum likelihood algorithms are available in PROC LOGISTIC. The default is the Fisher scoring method, which is equivalent to fitting by iteratively reweighted least squares. The alternative algorithm is the Newton-Raphson method. Both algorithms give the same parameter estimates; however, the estimated covariance matrix of the parameter estimators can differ slightly. This is due to the fact that Fisher scoring is based on the expected information matrix while the Newton-Raphson method is based on the observed information matrix. In the case of a binary logit model, the observed and expected information matrices are identical, resulting in identical estimated covariance matrices for both algorithms. For a generalized logit model, only the Newton-Raphson technique is available. You can use the TECHNIQUE= option to select a fitting algorithm. Also, the FIRTH option modifies these techniques to perform a bias-reducing penalized maximum likelihood fit.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึม 2 โอกาสซ้ำสูงสุดอยู่ในกระบวนการ LOGISTIC ค่าเริ่มต้นคือ Fisher คะแนนวิธี ซึ่งจะเท่ากับกระชับโดยกำลังสองน้อยสุด reweighted ซ้ำ ๆ อัลกอริทึมอื่นเป็นวิธีการนิวตัน-Raphson อัลกอริทึมทั้งสองให้ประเมินพารามิเตอร์เดียวกัน อย่างไรก็ตาม เมตริกซ์ความแปรปรวนร่วมประเมินของ estimators พารามิเตอร์อาจแตกต่างเล็กน้อย นี่คือเนื่องจากข้อเท็จจริงที่ว่าคะแนนฟิชเชอร์ตามเมตริกซ์ข้อมูลที่คาดไว้ในขณะที่วิธีการนิวตัน-Raphson ตามเมตริกซ์ข้อมูลสังเกต ในกรณีของแบบจำลอง logit ไบนารี เมทริกซ์สังเกต และคาดการณ์ข้อมูลเหมือนกัน เกิดในเหมือนประมาณเมทริกซ์ความแปรปรวนร่วมสำหรับอัลกอริทึมทั้งสอง สำหรับแบบจำลอง logit เมจแบบทั่วไป เฉพาะเทคนิค Raphson นิวตันมี คุณสามารถใช้เทคนิค =เลือกอัลกอริทึมเหมาะสมได้ ยัง ตัวเฟิร์ธออปรับเปลี่ยนเทคนิคเหล่านี้เพื่อทำการลดอคติ penalized สูงสุดโอกาสพอดี

ผลลัพธ์ (ไทย) 2:

สองโอกาสสูงสุดซ้ำขั้นตอนวิธีการที่มีอยู่ในโลจิสติก PROC เริ่มต้นคือวิธีการให้คะแนนฟิชเชอร์ซึ่งเทียบเท่ากับการที่เหมาะสมโดย reweighted ซ้ำสองน้อยที่สุด ขั้นตอนวิธีทางเลือกคือวิธีนิวตันราฟสัน ขั้นตอนวิธีการทั้งสองให้ประมาณการพารามิเตอร์เดียวกัน แต่แปรปรวนเมทริกซ์ประมาณประมาณค่าพารามิเตอร์สามารถต่างออกไปเล็กน้อย เพราะนี่คือความจริงที่ว่าการให้คะแนนของฟิชเชอร์จะขึ้นอยู่กับข้อมูลเมทริกซ์คาดว่าในขณะที่วิธีนิวตันราฟสันจะขึ้นอยู่กับข้อมูลที่สังเกตเมทริกซ์ ในกรณีของรูปแบบไบนารีโลจิต, เมทริกซ์ข้อมูลการสังเกตและคาดว่าจะเหมือนที่เกิดขึ้นในการฝึกอบรมประมาณแปรปรวนเหมือนกันสำหรับขั้นตอนวิธีการทั้งสอง สำหรับรูปแบบโลจิตทั่วไปเพียงเทคนิคนิวตันราฟสันสามารถใช้ได้ คุณสามารถใช้เทคนิค = ตัวเลือกเพื่อเลือกขั้นตอนวิธีการที่เหมาะสม นอกจากนี้ตัวเลือก FIRTH ปรับเปลี่ยนเทคนิคเหล่านี้จะดำเนินการลดอคติลงโทษโอกาสสูงสุดพอดี

ผลลัพธ์ (ไทย) 3:

สองของความเป็นไปได้สูงสุดขั้นตอนวิธีที่มีอยู่ใน proc logistic เริ่มต้นคือ ฟิชเชอร์ วิธีการให้คะแนน ซึ่งเท่ากับที่เหมาะสมโดยซ้ำ reweighted อย่างน้อย . วิธีการทางเลือกคือ นิวตันราฟสัน โดยวิธี ทั้งขั้นตอนวิธีให้ประมาณการพารามิเตอร์เดียวกัน อย่างไรก็ตาม ประมาณความแปรปรวนของตัวประมาณค่าพารามิเตอร์ของเมทริกซ์สามารถแตกต่างกันเล็กน้อยเนื่องจากคะแนน ฟิชเชอร์ ตามคาด ขณะที่นิวตันราฟสันข้อมูล เมทริกซ์ วิธีการตามสังเกตข้อมูลเมทริกซ์ ในกรณีของแบบจำลองโลจิท ไบนารี สังเกต และคาดว่าข้อมูลเมทริกซ์เหมือนกันผลเหมือนกันประมาณความแปรปรวนร่วม ทั้งวิธีการ สำหรับแบบจำลองโลจิท ทั่วไปนิวตัน ราฟสันเพียงเทคนิคที่สามารถใช้ได้ คุณสามารถใช้เทคนิค = ตัวเลือกเพื่อเลือกวิธีที่เหมาะสม นอกจากนี้ เฟิร์ธเลือกปรับเปลี่ยนเทคนิคเหล่านี้เพื่อแสดง อคติ ลดจริงจัง พอดีอันดับสูงสุด