R blogit 有界鏈接函數

說明

對其鏈接函數的輸入施加限製的備用鏈接函數

用法

blogit(edge = 0.05)
bprobit(edge= 0.05)
bcloglog(edge=.05)
blog(edge=.05)

參數

edge	小於分割點的輸入值將替換為分割點。對於所有大於 (1-edge) 的 blog 輸入值均替換為 (1-edge)

細節

當使用生存偽值進行二項式回歸時，原始數據可能超出範圍 (0,1)，但我們希望將預測值限製在該範圍內。處理此問題的一種自然方法是將 glm 與 family = gaussian(link= "logit") 一起使用。但這將會失敗。原因是 family 對象有一個組件 linkfun，該組件不接受 (0,1) 之外的值。

然而，該函數僅用於為迭代步驟創建初始值。在計算鏈接之前將有問題的輸入參數映射到 (egde, 1-edge) 範圍內會導致足夠好的初始估計。擬合的最終結果與使用 etastart 或 mustart 參數給出顯式起始估計值沒有什麽不同。這些函數創建 logit、probit 和互補 log-log 係列的副本，僅在使用有界輸入參數時與標準係列不同，並稱為 "bounded logit" = blogit 等。

當使用 RMST(曲線下麵積)偽值以及對數鏈接來確保積極預測時，同樣的論點成立，盡管在這種情況下僅需要映射下邊界。

值

與 make.family 形式相同的 family 對象。

例子

py <- pseudo(survfit(Surv(time, status) ~1, lung), time=730) #2 year survival
range(py)
pfit <- glm(py ~ ph.ecog, data=lung, family=gaussian(link=blogit()))
# For each +1 change in performance score, the odds of 2 year survival
#  are multiplied by 1/2  = exp of the coefficient.

也可以看看

stats{make.family}