Ho letto la descrizione della regressione della cresta in Modelli statistici lineari applicati , 5 ° Ed capitolo 11. La regressione della cresta viene fatta sui dati relativi al grasso corporeo disponibili qui .
Il libro di testo corrisponde all'output in SAS, dove i coefficienti trasformati indietro sono indicati nel modello montato come:
Questo è mostrato da SAS come:
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 -0.13687Ma R fornisce coefficienti molto diversi:
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
> Qualcuno può aiutarmi a capire perché?
Ho usato lo stesso set di dati e l'ho analizzato in SPSS. I risultati sono simili a quelli di SAS. Tuttavia, se possiamo standardizzare i dati come nel libro, il primo valore in c = 0 è simile in R e SPSS (eseguendo una regressione lineare multipla). Tuttavia, i risultati sono abbastanza diversi quando ci spostiamo ulteriormente come indicato sopra. Anch'io non ho trovato alcun indizio della differenza tra output per gli stessi dati.
—
Asad