Question

我试图估计LAD回归，但它给出了我的信息：＆＃34; false convergence（8）＆＃34;。它是什么意思以及为什么nlminb估算器等于lm估算器？

Sample generation step

dgp=function(){
  x=c(sample(0:9,10),sample(0:9,10));
  b0=2;
  b1=-6;
  eps=rbinom(20,1,0.05)*rnorm(20,0,1)+rbinom(20,1,0.95)*rnorm(20,0,1);
  eps=eps/sd(eps);
  y=b0+b1*x+eps;
  return(data.frame(y=y,x=x))
}
z=dgp()

Estimation step

LAD=function(...){
  z=(...);
  y=z[[1]]
  x=z[[2]]
  LADf=function(par) {(sum(y-par[1]-par[2]*x)^2)}

  outLS=lm(y~x);
  b0=as.numeric(outLS$coefficients[1]);b0
  b1=as.numeric(outLS$coefficients[2]);b1

  out=nlminb(c(b0,b1),LADf)
  return(list(out$par,out$message))
}
LAD(z)

Answer 1

你的LAD功能：

LADf=function(par) {(sum(y-par[1]-par[2]*x)^2)}

对我来说，看起来与最小方块完全相同。因此，你所做的是最小化平方和，而不是偏差的绝对值。你需要像

这样的东西

LADf <- function(par) { sum(abs(y - par[1] - par[2]*x)) }

请注意，此函数不可区分，因此您必须使用可以处理该函数的优化器（例如Nelder-Mead或SANN）。

LAD估算器也相当于中位数回归，所以你可以用分位数回归包代替。

最小绝对偏差功能

1 个答案: