proprietà genlinnode

Icona nodo GenLin Il modello lineare generalizzato (GenLin) espande il modello lineare generale in modo che la variabile dipendente sia linearmente correlata ai fattori e alle covariate attraverso una funzione di collegamento specificata. Inoltre, il modello consente alla variabile dipendente di avere una distribuzione non normale. Copre la funzionalità di un gran numero di modelli statistici, tra cui la regressione lineare, la regressione logistica, i modelli loglineari per i dati di conteggio e i modelli di sopravvivenza intervallati.

Esempio

node = stream.create("genlin", "My node")
node.setPropertyValue("model_type", "MainAndAllTwoWayEffects")
node.setPropertyValue("offset_type", "Variable")
node.setPropertyValue("offset_field", "Claimant")

Tabella 1. proprietà genlinnode
`genlinnode` Proprietà	Valori	Descrizione proprietà
`target`	campo	I modelli GenLin richiedono un singolo campo obiettivo che deve essere un campo nominale o flag e uno o più campi di input. È anche possibile specificare un campo peso. Per ulteriori informazioni, consultare Proprietà comuni del nodo Modelli .
`use_weight`	indicatore
`weight_field`	campo	Il tipo di campo è solo continuo.
`target_represents_trials`	indicatore
`trials_type`	`Variable` `FixedValue`
`trials_field`	campo	Il tipo di campo è continuo, flag o ordinale.
`trials_number`	numero	Il valore predefinito è 10.
`model_type`	`MainEffects` `MainAndAllTwoWayEffects`
`offset_type`	`Variable` `FixedValue`
`offset_field`	campo	Il tipo di campo è solo continuo.
`offset_value`	numero	Deve essere un numero reale.
`base_category`	`Last` `First`
`include_intercept`	indicatore
`mode`	`Simple` `Expert`
`distribution`	`BINOMIAL` `GAMMA` `IGAUSS` `NEGBIN` `NORMAL` `POISSON` `TWEEDIE` `MULTINOMIAL`	`IGAUSS`: Gaussiano inverso. `NEGBIN`: Binomio negativo.
`negbin_para_type`	`Specify` `Estimate`
`negbin_parameter`	numero	Il valore predefinito è 1. Deve contenere un numero reale non negativo.
`tweedie_parameter`	numero
`link_function`	`IDENTITY` `CLOGLOG` `LOG` `LOGC` `LOGIT` `NEGBIN` `NLOGLOG` `ODDSPOWER` `PROBIT` `POWER` `CUMCAUCHIT` `CUMCLOGLOG` `CUMLOGIT` `CUMNLOGLOG` `CUMPROBIT`	`CLOGLOG`: log - log complementare. `LOGC`: complemento di log. `NEGBIN`: Binomiale negativa. `NLOGLOG`: Log - log negativo. `CUMCAUCHIT`: Cauchit cumulativo. `CUMCLOGLOG`: Log - log complementare cumulativo. `CUMLOGIT`: Logit cumulativa. `CUMNLOGLOG`: Logaritmo negativo cumulativo. `CUMPROBIT`: Probit cumulativo.
`power`	numero	Il valore deve essere reale, un numero diverso da zero.
`method`	`Hybrid` `Fisher` `NewtonRaphson`
`max_fisher_iterations`	numero	Il valore predefinito è 1; sono ammessi solo numeri interi positivi.
`scale_method`	`MaxLikelihoodEstimate` `Deviance` `PearsonChiSquare` `FixedValue`
`scale_value`	numero	Il valore predefinito è 1; deve essere maggiore di 0.
`covariance_matrix`	`ModelEstimator` `RobustEstimator`
`max_iterations`	numero	Il valore predefinito è 100; solo numeri interi non negativi.
`max_step_halving`	numero	Il valore predefinito è 5; solo numeri interi positivi.
`check_separation`	indicatore
`start_iteration`	numero	Il valore predefinito è 20; sono ammessi solo numeri interi positivi.
`estimates_change`	indicatore
`estimates_change_min`	numero	Il valore predefinito è " 1E-006; " (solo numeri positivi consentiti).
`estimates_change_type`	`Absolute` `Relative`
`loglikelihood_change`	indicatore
`loglikelihood_change_min`	numero	Sono ammessi solo numeri positivi.
`loglikelihood_change_type`	`Absolute` `Relative`
`hessian_convergence`	indicatore
`hessian_convergence_min`	numero	Sono ammessi solo numeri positivi.
`hessian_convergence_type`	`Absolute` `Relative`
`case_summary`	indicatore
`contrast_matrices`	indicatore
`descriptive_statistics`	indicatore
`estimable_functions`	indicatore
`model_info`	indicatore
`iteration_history`	indicatore
`goodness_of_fit`	indicatore
`print_interval`	numero	Il valore predefinito è 1; deve essere un numero intero positivo.
`model_summary`	indicatore
`lagrange_multiplier`	indicatore
`parameter_estimates`	indicatore
`include_exponential`	indicatore
`covariance_estimates`	indicatore
`correlation_estimates`	indicatore
`analysis_type`	`TypeI` `TypeIII` `TypeIAndTypeIII`
`statistics`	`Wald` `LR`
`citype`	`Wald` `Profile`
`tolerancelevel`	numero	Il valore predefinito è " 0.0001 ".
`confidence_interval`	numero	Il valore predefinito è 95.
`loglikelihood_function`	`Full` `Kernel`
`singularity_tolerance`	`1E-007` `1E-008` `1E-009` `1E-010` `1E-011` `1E-012`
`value_order`	`Ascending` `Descending` `DataOrder`
`calculate_variable_importance`	indicatore
`calculate_raw_propensities`	indicatore
`calculate_adjusted_propensities`	indicatore
`adjusted_propensity_partition`	`Test` `Validation`