如何在惩罚逻辑回归中计算偏差均方误差和标准误差？

Question

我正在研究惩罚性逻辑回归的博士研究。

在使用R的模拟中，我运行以下代码：

library(penalized)

x0 <- matrix(rnorm(100,1))
y <- as.numeric(runif(100)>0.5)
x <- as.matrix(cbind("Intercept"=1, x0))
n <- nrow(x)
p <- ncol(x)

penL1 <- penalized(y, x,lambda1=1,lambda2=0, positive = FALSE, fusedl=FALSE,
         model = "logistic", steps =1, epsilon = 1e-10, standardize = FALSE, trace = TRUE)
penL1

它只显示系数，但我也想计算偏差均方误差和估计的标准误差。

有什么建议吗？

Answer 1

来自penalized小插曲：

  

要求标准的回归错误是一个非常自然的问题   系数或其他估计量。原则上这样的标准   可以容易地计算错误，例如使用引导程序。不过，这个   包故意不提供它们。

     

原因是标准错误不是很有意义   对于强烈偏见的估计，例如由惩罚估计引起的估计   方法。惩罚估计是一种减少方差的程序   通过引入实质性偏见来估算。每个人的偏见   因此，估计量是其均方误差的主要组成部分，   而它的差异可能只占很小的一部分。