Uygulamalı Doğrusal İstatistiksel Modeller , 5. Baskı bölüm 11'deki sırt regresyonunun açıklamasını okuyorum . Sırt regresyonu, burada bulunan vücut yağ verileri üzerinde yapılır .
Ders kitabı SAS'daki çıktıyla eşleşir, burada geri dönüştürülmüş katsayılar takılan modelde şu şekilde verilir:
Bu SAS'tan şu şekilde gösterilmiştir:
proc reg data = ch7tab1a outest = temp outstb noprint;
model y = x1-x3 / ridge = 0.02;
run;
quit;
proc print data = temp;
where _ridge_ = 0.02 and y = -1;
var y intercept x1 x2 x3;
run;
Obs Y Intercept X1 X2 X3
2 -1 -7.40343 0.55535 0.36814 -0.19163
3 -1 0.00000 0.54633 0.37740 -0.13687Ancak R çok farklı katsayılar verir:
data <- read.table("http://www.cst.cmich.edu/users/lee1c/spss/V16_materials/DataSets_v16/BodyFat-TxtFormat.txt",
sep=" ", header=FALSE)
data <- data[,c(1,3,5,7)]
colnames(data)<-c("x1","x2","x3","y")
ridge<-lm.ridge(y ~ ., data, lambda=0.02)
ridge$coef
coef(ridge)
> ridge$coef
x1 x2 x3
10.126984 -4.682273 -3.527010
> coef(ridge)
x1 x2 x3
42.2181995 2.0683914 -0.9177207 -0.9921824
> Biri nedenini anlamama yardımcı olabilir mi?
Aynı veri kümesini kullandım ve SPSS'de analiz ettim. Sonuçlar SAS ile benzerdir. Ancak, verileri kitaptaki gibi standartlaştırabilirsek, c = 0'daki ilk değer R ve SPSS'de (çoklu doğrusal regresyon çalıştıran) benzerdir. Bununla birlikte, yukarıda belirtildiği gibi ilerlediğimizde sonuçlar oldukça farklıdır. Ben de aynı veriler için çıktılar arasındaki fark hakkında hiçbir ipucu bulamadım.
—
asad