一般化線型モデルにおける推定

「パラメーター推定」。このグループのコントロールを使用して、推定方法を指定したり、パラメーター推定値に初期値を指定することができます。

「方法」。パラメーター推定方法を選択できます。Newton-Raphson 法、Fisher スコア法、または混合型の方法の中から選択します。混合型では、Newton-Raphson 法に切り替えられる前に、Fisher スコア法の反復が実行されます。混合型の方法における Fisher スコア法の段階で、その最大反復回数に到達する前に収束が達成された場合も、Newton-Raphson 法のアルゴリズムは続行されます。
「スケール・パラメーター法」。スケール・パラメーター推定法を選択できます。最尤法では、スケール・パラメーターとモデル効果を組み合わせて推定します。このオプションは、応答に負の 2 項、ポワソン、または多項分布が含まれている場合は有効ではないことに注意してください。逸脱度と Pearson のカイ 2 乗オプションは、これらの統計の値からスケール・パラメーターを推定します。または、スケール・パラメーターに固定値を指定することもできます。
「初期値」。このプロシージャーでは、パラメーターに対する初期値が自動的に計算されます。または、パラメーター推定値に初期値を指定することもできます。

共分散行列: モデルに基づく推定量は、ヘッセ行列の一般化逆行列の負の値です。頑健推定量 (Huber/White/サンドウィッチ推定量とも呼ばれます) は「修正された」モデルに基づく推定量で、分散やリンク関数の指定が不適切な場合でも、精度の高い共分散の推定を行うことができます。

反復: 使用可能なオプションは次のとおりです。

最大反復回数: アルゴリズムで実行される反復の最大回数です。負でない整数を指定してください。
最大段階 2 分: 対数尤度が増加するか、最大段階 2 分に達するまで、反復ごとにステップ・サイズが 0.5 倍に縮小されます。正の整数を指定してください。
分離データを確認: 選択すると、パラメーター推定値が固有値になるように、アルゴリズムによって検定が行われます。プロシージャーが各ケースを正しく分類するモデルを作成できたときに分離が発生します。このオプションは、バイナリー・フォーマットの多項応答および 2 項応答で使用できます。

収束基準: 使用可能なオプションは次のとおりです。

パラメータ収束: これを選択した場合、パラメーター推定値の絶対変化または相対変化が指定した値よりも小さくなる反復が発生した後に、アルゴリズムが停止します。指定する値は正の値である必要があります。
対数尤度収束: これを選択した場合、対数尤度関数の絶対変化または相対変化が指定した値よりも小さくなる反復が発生した後に、アルゴリズムが停止します。指定する値は正の値である必要があります。
Hessian 収束: 「絶対」を指定した場合、Hessian 収束に基づいた統計が指定された正の値より小さい場合に収束とみなされます。「相対」を指定した場合は、指定した正の値と対数尤度の絶対値の積よりも統計が小さい場合に収束とみなされます。

「特異性許容度」。特異行列 (逆行列を持たない行列) には線型従属な列があります。これは推定アルゴリズムに深刻な問題をもたらす可能性があります。特異性に近似する行列でさえ不適切な結果を導く可能性があるため、プロシージャーは決定要因が許容値より小さい行列を特異性があるものとして処理します。正の値を指定してください。

一般化線型モデルにおける推定設定の指定方法

この機能を使用するには、SPSS® Statistics Standard Edition または Advanced Statistics オプションが必要です。

メニューから次の項目を選択します。
「分析」 > 「一般化線型モデル」 > 「一般化線型モデル」
「一般化線型モデル」ダイアログで、「推定」をクリックします。