Verallgemeinerte Schätzungsgleichungen: Schätzung
Parameterschätzung. Mit den Steuerelementen in dieser Gruppe können Sie Schätzmethoden festlegen und Anfangswerte für die Parameterschätzungen angeben.
- Methode. Sie können eine Methode für die Parameterschätzung auswählen. Sie haben die Wahl zwischen "Newton-Raphson", "Fisher-Scoring" und einer Hybridmethode, bei der zuerst Iterationen des Fisher-Scoring durchgeführt werden und dann zur Methode "Newton-Raphson" gewechselt wird. Wenn während der Phase "Fisher-Scoring" der Hybridmethode Konvergenz erreicht wird, bevor die maximale Anzahl an Fisher-Iterationen erreicht wurde, fährt der Algorithmus mit der Newton-Raphson-Methode fort.
- Skalenparametermethode. Sie können eine Schätzmethode für den Skalenparameter auswählen.
Bei der Maximum-Likelihood-Methode wird der Skalenparameter zusammen mit den Modelleffekten geschätzt; beachten Sie, dass diese Option ungültig ist, wenn die Antwort eine negative Binomialverteilung, eine Poisson-Verteilung oder eine Binomialverteilung aufweist. Da das Konzept der Likelihood in verallgemeinerten Schätzungsgleichungen nicht vorkommt, gilt diese Spezifikation nur für das ursprüngliche verallgemeinerte lineare Modell. Die betreffende Skalenparameterschätzung wird dann an die verallgemeinerten Schätzungsgleichungen weitergeleitet, die den Skalenparameter anhand des Pearson-Chi-Quadrats, dividiert durch die Anzahl der Freiheitsgrade, aktualisieren.
Die Optionen "Abweichung" und "Pearson-Chi-Quadrat" schätzen den Skalenparameter aus dem Wert dieser Statistiken im ursprünglichen verallgemeinerten linearen Modell. Diese Skalenparameterschätzung wird dann an die verallgemeinerten Schätzungsgleichungen weitergeleitet, die ihn als fest behandeln.
Alternativ können Sie einen festen Wert für den Skalenparameter angeben. Dieser wird beim Schätzen des ursprünglichen verallgemeinerten linearen Modells und in den verallgemeinerten Schätzungsgleichungen als fest behandelt.
- Anfangswerte. Die Prozedur berechnet automatisch Anfangswerte für Parameter. Alternativ können Sie Anfangswerte für die Parameterschätzungen angeben.
Die auf dieser Registerkarte angegebenen Iterationen und Konvergenzkriterien können nur auf das ursprüngliche verallgemeinerte lineare Modell angewendet werden. Informationen zu Schätzkriterien, die bei der Anpassung der verallgemeinerten Schätzungsgleichungen verwendet werden, finden Sie auf der Registerkarte Wiederholt .
Iterationen. Die folgenden Optionen sind verfügbar:
- Maximalzahl der Iterationen. Dies ist die maximale Anzahl der Iterationen, die im Algorithmus vorgenommen werden. Geben Sie eine nicht negative Ganzzahl an.
- Maximalzahl für Schritthalbierung. Bei jeder Iteration wird die Schrittgröße um den Faktor 0,5 reduziert, bis die Log-Likelihood ansteigt oder die Maximalzahl für die Schritthalbierung erreicht ist. Geben Sie eine positive Ganzzahl ein.
- Prüfen auf Datenpunkttrennung. Mit dieser Option lassen Sie Tests durch den Algorithmus durchführen, mit denen sichergestellt wird, dass die Parameterschätzungen eindeutige Werte aufweisen. Eine Trennung wird vorgenommen, sobald ein Modell erzeugt werden kann, in dem alle Fälle fehlerfrei klassifiziert werden. Diese Option ist für multinomiale Antworten und binomiale Antworten im Binärformatverfügbar.
Konvergenzkriterien. Die folgenden Optionen sind verfügbar:
- Parameterkonvergenz. Mit dieser Option wird der Algorithmus nach einer Iteration angehalten, bei der die absolute oder relative Änderung bei den Parameterschätzungen unter dem angegebenen (positiven) Wert liegt.
- Log-Likelihood-Konvergenz. Mit dieser Option wird der Algorithmus nach einer Iteration angehalten, bei der die absolute oder relative Änderung bei der Log-Likelihood-Funktion unter dem angegebenen (positiven) Wert liegt.
- Konvergenz der Hesse-Matrix. Für die Spezifikation "Absolut" wird angenommen, dass eine Konvergenz vorliegt, wenn eine Statistik auf der Basis der Konvergenz der Hesse-Matrix kleiner als der angegebene positive Wert ist. Für die Spezifikation "Relativ" wird angenommen, dass eine Konvergenz vorliegt, wenn die Statistik kleiner als das Produkt aus dem angegebenen positiven Wert und dem absoluten Wert der Log-Likelihood ist.
Singularitätstoleranz. Singuläre (bzw. nicht invertierbare) Matrizen weisen linear abhängige Spalten auf, die zu ernsten Problemen für den Schätzalgorithmus führen können. Auch annähernd singuläre Matrizen können zu schlechten Ergebnissen führen, daher behandelt die Prozedur eine Matrix, deren Determinante unter dem Toleranzwert liegt, als singulär. Geben Sie einen positiven Wert ein.
So geben Sie Schätzeinstellungen für verallgemeinerte Schätzungsgleichungen an:
Diese Funktion erfordert Custom Tables and Advanced Statistics.
- Wählen Sie in den Menüs Folgendes aus:
- Klicken Sie im Dialogfeld "Verallgemeinerte Schätzungsgleichungen" auf Schätzung.