Volver a la versión inglesa de la documentaciónpropiedades de genlinnode
propiedades de genlinnode
Última actualización: 07 oct 2024
El modelo lineal generalizado (GenLin) expande el modelo lineal general para que la variable dependiente se relacione linealmente con los factores y las covariables a través de una función de enlace especificada. Además, el modelo permite que la variable dependiente tenga una distribución no normal. Cubre la funcionalidad de un amplio número de modelo estadísticos, incluyendo regresión lineal, regresión logística, modelos log lineales para recuento de datos y modelos de supervivencia censurados por intervalos.
Ejemplo
node = stream.create("genlin", "My node")
node.setPropertyValue("model_type", "MainAndAllTwoWayEffects")
node.setPropertyValue("offset_type", "Variable")
node.setPropertyValue("offset_field", "Claimant")
Propiedades de genlinnode |
Valores | Descripción de la propiedad |
---|---|---|
target |
campo | Los modelos GenLin requieren un único campo objetivo que debe ser un campo nominal o de identificador y uno o más campos de entrada. También se puede especificar un campo de ponderación. Consulte Propiedades comunes del nodo de modelado para obtener más información. |
use_weight |
distintivo | |
weight_field |
campo | El tipo de campo es únicamente continuo. |
target_represents_trials |
distintivo | |
trials_type |
Variable FixedValue |
|
trials_field |
campo | El tipo de campo es continuo, marca u ordinal. |
trials_number |
número | El valor predeterminado es 10. |
model_type |
MainEffects MainAndAllTwoWayEffects |
|
offset_type |
Variable FixedValue |
|
offset_field |
campo | El tipo de campo es únicamente continuo. |
offset_value |
número | Debe ser un número real. |
base_category |
Last First |
|
include_intercept |
distintivo | |
mode |
Simple Expert |
|
distribution |
BINOMIAL GAMMA IGAUSS NEGBIN NORMAL POISSON TWEEDIE MULTINOMIAL |
IGAUSS : Gauss inverso. NEGBIN : Binomial negativa. |
negbin_para_type |
Specify Estimate |
|
negbin_parameter |
número | El valor predeterminado es 1. Debe contener un número real no negativo. |
tweedie_parameter |
número | |
link_function |
IDENTITY CLOGLOG LOG LOGC LOGIT NEGBIN NLOGLOG ODDSPOWER PROBIT POWER CUMCAUCHIT CUMCLOGLOG CUMLOGIT CUMNLOGLOG CUMPROBIT |
CLOGLOG : log-log complementario. LOGC : complemento log. NEGBIN : Binomial negativa. NLOGLOG : Log-log negativo. CUMCAUCHIT : Cauchit acumulativo. CUMCLOGLOG : Log-log complementario acumulativo. CUMLOGIT : Logit acumulativo. CUMNLOGLOG : Log-log negativo acumulativo. CUMPROBIT : Probit acumulativo. |
power |
número | El valor debe ser real y distinto de cero. |
method |
Hybrid Fisher NewtonRaphson |
|
max_fisher_iterations |
número | El valor predeterminado es 1; sólo se admiten enteros positivos. |
scale_method |
MaxLikelihoodEstimate Deviance PearsonChiSquare FixedValue |
|
scale_value |
número | El valor predeterminado es 1; debe ser mayor que 0. |
covariance_matrix |
ModelEstimator RobustEstimator |
|
max_iterations |
número | El valor predeterminado es 100; sólo enteros no negativos. |
max_step_halving |
número | El valor predeterminado es 5; sólo enteros positivos. |
check_separation |
distintivo | |
start_iteration |
número | El valor predeterminado es 20; sólo se admiten enteros positivos. |
estimates_change |
distintivo | |
estimates_change_min |
número | El valor predeterminado es 1E-006; sólo se admiten números positivos. |
estimates_change_type |
Absolute Relative |
|
loglikelihood_change |
distintivo | |
loglikelihood_change_min |
número | Sólo se admiten números positivos. |
loglikelihood_change_type |
Absolute Relative |
|
hessian_convergence |
distintivo | |
hessian_convergence_min |
número | Sólo se admiten números positivos. |
hessian_convergence_type |
Absolute Relative |
|
case_summary |
distintivo | |
contrast_matrices |
distintivo | |
descriptive_statistics |
distintivo | |
estimable_functions |
distintivo | |
model_info |
distintivo | |
iteration_history |
distintivo | |
goodness_of_fit |
distintivo | |
print_interval |
número | El valor predeterminado es 1; debe ser un entero positivo. |
model_summary |
distintivo | |
lagrange_multiplier |
distintivo | |
parameter_estimates |
distintivo | |
include_exponential |
distintivo | |
covariance_estimates |
distintivo | |
correlation_estimates |
distintivo | |
analysis_type |
TypeI TypeIII TypeIAndTypeIII |
|
statistics |
Wald LR |
|
citype |
Wald Profile |
|
tolerancelevel |
número | El valor predeterminado es 0.0001. |
confidence_interval |
número | El valor predeterminado es 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 |
distintivo | |
calculate_raw_propensities |
distintivo | |
calculate_adjusted_propensities |
distintivo | |
adjusted_propensity_partition |
Test Validation |