Question

这是在第一次发布在stats.stackexchange.com之后的交叉发布，因为我认为它涉及更多使用R和统计数据而不是编码，但现在我看到我可能会在这里找到一个更活跃的R用户社区。 https://stats.stackexchange.com/questions/16346/difference-between-lp-or-simply-in-rs-locfit

我不确定我在R的黄金标准locfit包的文档中看到了本地逻辑回归的不同示例之间的区别：http://cran.r-project.org/web/packages/locfit/locfit.pdf

我与

的结果截然不同

fit2<-scb(closed_rule ~ lp(bl),deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm")

这

fit2<-scb(closed_rule ~ bl,deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm")

差异的本质是什么？也许这可以帮助我说出我想要的短语。我记得在逻辑链接函数中bl中的线性索引预测closed_rule的概率。 lp的文档说它适合局部多项式 - 这很好，但我认为即使我把它遗漏也会发生。无论如何，文档中都有“本地逻辑回归”的例子......

Answer 1

locfit包的作者Catherine Loader亲切地回答了我的电子邮件。她说，如果我在scb的公式中指定它，而不是scb的alpha参数，则需要在lp内部使用单独的h和nn参数。

我无法让代码以这种方式工作。而且我仍然不确定为什么在没有指定lp（）的情况下应该与情况存在差异，只是给scb函数提供alpha和deg参数。

她还注意到我的代码发布的一个重要错误：使用'parm'内核，没有局部平滑，而是参数（在我的情况下，逻辑）估计。

最后，请注意文献似乎建议将type = 4指定为逻辑回归的scb参数。