Iteraciones de modelos lineales generalizados

Puede establecer los parámetros de convergencia para la estimación del modelo lineal generalizado.

Iteraciones. Se encuentran disponibles las siguientes opciones:

• Iteraciones máximas. Número máximo de iteraciones que se ejecutará el algoritmo. Especifique un número entero no negativo.
• Máxima subdivisión por pasos. En cada iteración, se reduce el tamaño del paso mediante un factor de 0,5 hasta que aumenta el logaritmo de la verosimilitud o se alcanza la máxima subdivisión por pasos. Especifique un número entero positivo.
• Comprobar si hay separación completa de los puntos de los datos. Si se activa, el algoritmo realiza una prueba para garantizar que las estimaciones de los parámetros tienen valores exclusivos. Se produce una separación cuando el procedimiento pueda generar un modelo que clasifique cada caso de forma correcta. Esta opción no está disponible para respuestas binomiales con formato binario .

Criterios de convergencia. Las opciones disponibles son las siguientes:

• Cambio en estimaciones de parámetro. Si se activa, el algoritmo se detiene tras una iteración en la que las modificaciones absolutas o relativas en las estimaciones de los parámetros sean inferiores que el valor especificado, que debe ser positivo.
• Cambio en el logaritmo de la verosimilitud. Si se activa, el algoritmo se detiene tras una iteración en la que las modificaciones absolutas o relativas en la función de log-verosimilitud sean inferiores que el valor especificado, que debe ser positivo.
• Convergencia hessiana. En el caso de la especificación Absoluta, se supone la convergencia si un estadístico basado en la convergencia hessiana es menor que el valor positivo especificado. En el caso de la especificación Relativa, se supone la convergencia si el estadístico es menor que el producto del valor positivo especificado y el valor absoluto del logaritmo de la verosimilitud.