जहाँ तक मुझे पता है, लॉजिस्टिक मॉडल और फ्रैक्शनल रिस्पांस मॉडल (frm) के बीच का अंतर यह है कि डिपेंडेंट वैरिएबल (Y) जिसमें frm [0,1] है, लेकिन लॉजिस्टिक {0, 1} है। इसके अलावा, फ्रिज अपने मापदंडों को निर्धारित करने के लिए अर्ध-संभावना आकलनकर्ता का उपयोग करता है।
आम तौर पर, हम glm
उपस्कर मॉडल प्राप्त करने के लिए उपयोग कर सकते हैं glm(y ~ x1+x2, data = dat, family = binomial(logit))
।
Frm के लिए, हम बदल family = binomial(logit)
जाते हैं family = quasibinomial(logit)
।
मैंने देखा कि हम family = binomial(logit)
frm के पैरामीटर को प्राप्त करने के लिए भी उपयोग कर सकते हैं क्योंकि यह समान अनुमानित मूल्य देता है। निम्न उदाहरण देखें
library(foreign)
mydata <- read.dta("k401.dta")
glm.bin <- glm(prate ~ mrate + age + sole + totemp, data = mydata
,family = binomial('logit'))
summary(glm.bin)
वापसी,
Call:
glm(formula = prate ~ mrate + age + sole + totemp, family = binomial("logit"),
data = mydata)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.1214 -0.1979 0.2059 0.4486 0.9146
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.074e+00 8.869e-02 12.110 < 2e-16 ***
mrate 5.734e-01 9.011e-02 6.364 1.97e-10 ***
age 3.089e-02 5.832e-03 5.297 1.17e-07 ***
sole 3.636e-01 9.491e-02 3.831 0.000128 ***
totemp -5.780e-06 2.207e-06 -2.619 0.008814 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1166.6 on 4733 degrees of freedom
Residual deviance: 1023.7 on 4729 degrees of freedom
AIC: 1997.6
Number of Fisher Scoring iterations: 6
और के लिए family = quasibinomial('logit')
,
glm.quasi <- glm(prate ~ mrate + age + sole + totemp, data = mydata
,family = quasibinomial('logit'))
summary(glm.quasi)
वापसी,
Call:
glm(formula = prate ~ mrate + age + sole + totemp, family = quasibinomial("logit"),
data = mydata)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.1214 -0.1979 0.2059 0.4486 0.9146
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.074e+00 4.788e-02 22.435 < 2e-16 ***
mrate 5.734e-01 4.864e-02 11.789 < 2e-16 ***
age 3.089e-02 3.148e-03 9.814 < 2e-16 ***
sole 3.636e-01 5.123e-02 7.097 1.46e-12 ***
totemp -5.780e-06 1.191e-06 -4.852 1.26e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for quasibinomial family taken to be 0.2913876)
Null deviance: 1166.6 on 4733 degrees of freedom
Residual deviance: 1023.7 on 4729 degrees of freedom
AIC: NA
Number of Fisher Scoring iterations: 6
दोनों से अनुमानित बीटा family
समान हैं, लेकिन अंतर एसई मान है। हालांकि, सही एसई प्राप्त करने के लिए, हमें library(sandwich)
इस पोस्ट के रूप में उपयोग करना होगा ।
अब, मेरे सवाल:
- इन दोनों संहिताओं में क्या अंतर है?
- क्या एसईएम मजबूत एसईएम प्राप्त करने के बारे में है?
यदि मेरी समझ सही नहीं है, तो कृपया कुछ सुझाव दें।