Propiedades de gle
Última actualización: 11 feb 2025
Un GLE amplía el modelo lineal de forma que el objetivo puede tener una distribución no normal, está relacionado de forma lineal con los factores y las covariables a través de una función de enlace especificada y las observaciones se pueden correlacionar. Los modelos lineales mixtos generalizados cubren una amplia variedad de modelos, desde modelos de regresión lineal simple hasta modelos multinivel complejos para datos longitudinales no normales.
Propiedades de
|
Valores | Descripción de la propiedad |
---|---|---|
|
distintivo | Indica si se debe utilizar el destino definido en el nodo en sentido ascendente ( ) o el destino personalizado especificado por ( ). |
|
campo | Campo a utilizar como destino si es . |
|
distintivo | Indica si hay que utilizar el campo adicional o el valor que especifica el número de ensayos cuando la respuesta objetivo es un número de eventos que tienen lugar en un conjunto de ensayos. El valor predeterminado es . |
|
|
Indica si se utiliza el campo (valor predeterminado) o valor para especificar el número de ensayos. |
|
campo | Campo a utilizar para especificar el número de ensayos. |
|
entero | Valor a utilizar para especificar el número de ensayos. Si se especifica, el valor mínimo es 1. |
|
distintivo | Indica si hay que utilizar la categoría de referencia personalizada para un objetivo categórico. El valor predeterminado es . |
|
serie | Categoría de referencia a utilizar si es . |
|
|
Modelos comunes para la distribución de valores de objetivo. Seleccione para especificar una distribución de la lista proporcionada por . |
|
|
Distribución de valores para el destino cuando es . |
|
|
Función de enlace para relacionar valores
de objetivo a los predictores. Si es puede utilizar:
Si
es puede utilizar:
Si
es , puede utilizar:
|
|
número | Valor del parámetro Tweedie que hay que utilizar. Sólo es aplicable si o es . |
|
número | Valor del parámetro de función de enlace que hay que utilizar. Sólo es aplicable si está establecido en o es . |
|
distintivo | Indica si los campos de efecto de modelo son los definidos en sentido ascendente como campos de entrada ( ) o los de ( ). |
|
estructurado | Si es , especifica los campos de entrada que se utilizarán como campos de efecto de modelo. |
|
distintivo | Si (valor predeterminado), incluye la intersección en el modelo. |
|
campo | Campo a utilizar como campo de ponderación de análisis. |
|
|
Indica cómo se especifica la compensación. El valor significa que no se utiliza ningún desplazamiento. |
|
número | Valor a utilizar para el desplazamiento si está establecido en . |
|
campo | Campo a utilizar para el valor de desplazamiento si se establece en . |
|
|
Orden de clasificación para objetivos categóricos. El valor predeterminado es . |
|
|
Orden de clasificación para predictores categóricos. El valor predeterminado es . |
|
entero | Número máximo de iteraciones que ejecutará el algoritmo. Un número entero no negativo; el valor predeterminado es 100. |
|
número | Nivel de confianza utilizado para calcular estimaciones de intervalo de los coeficientes del modelo. Un número entero no negativo; el valor máximo es 100, el valor predeterminado es 95. |
|
|
Método para calcular la matriz de covarianza de las estimaciones de los parámetros. |
|
distintivo | Si es verdadero, el algoritmo encuentra valores atípicos de influencia para todas las distribuciones excepto para la distribución multinomial. |
|
distintivo | Si el verdadero, el algoritmo realiza un análisis de tendencias para el diagrama de dispersión. |
|
|
Especifica el algoritmo de estimación de máxima verosimilitud. |
|
entero | Si utiliza , el número máximo de iteraciones. Mínimo 0, máximo 20. |
|
|
Especifique el método que se va a utilizar para la estimación del parámetro de escala. |
|
número | Sólo está disponible si está establecido en . |
|
|
Especifique el método que se va a utilizar para la estimación del parámetro auxiliar binomial negativo. |
|
número | Sólo está disponible si está establecido en . |
|
distintivo | Opción para la convergencia de parámetros. |
|
número | Blanco, o cualquier valor positivo. |
|
distintivo | Verdadero = Absoluto, Falso = Relativo |
|
distintivo | Opción para la convergencia log-likelihood. |
|
número | Blanco, o cualquier valor positivo. |
|
distintivo | Verdadero = Absoluto, Falso = Relativo |
|
distintivo | Opción para la convergencia hessiana. |
|
número | Blanco, o cualquier valor positivo. |
|
distintivo | Verdadero = Absoluto, Falso = Relativo |
|
entero | Número máximo de iteraciones que ejecutará el algoritmo. Un número entero no negativo; el valor predeterminado es 100. |
|
entero | |
|
distintivo | Habilita los controles de umbral de parámetro y de método de selección de modelos. |
|
|
Determina el método de selección del modelo, o si utiliza el método de regularización utilizado. |
|
distintivo | Cuando el modelo detectará automáticamente interacciones bidireccionales entre campos de entrada. Este
control solo debería estar habilitado si el modelo es solo
efectos principales (es decir, donde el usuario no ha creado
ningún efecto de orden superior) y si el
seleccionado es Paso adelante, Lazo, o Red elástica. |
|
distintivo | Sólo está disponible si la selección de modelo es Lasso o Red elástica. Utilice esta función para especificar los parámetros de penalización asociados a los métodos de selección de variables Lasso o Red elástica. Si es , se utilizan los valores predeterminados. Si es , se pueden especificar los parámetros de penalización y los valores personalizados habilitados. |
|
número | Sólo está disponible si la selección de modelo es Lasso o Red elástica y es . Especifique el valor del parámetro de penalización para Lasso. |
|
número | Sólo está disponible si la selección de modelo es Lasso o Red elástica y es . Especifique el valor del parámetro de penalización para el parámetro 1 de Red elástica. |
|
número | Sólo está disponible si la selección de modelo es Lasso o Red elástica y es . Especifique el valor del parámetro de penalización para el parámetro 2 de Red elástica. |
|
número | Sólo está disponible si el seleccionado es Avanzar por pasos. Especifique el nivel de significación del criterio estadístico F para la inclusión de efectos. |
|
número | Sólo está disponible si el seleccionado es Avanzar por pasos. Especifique el nivel de significación del criterio estadístico F para la eliminación de efectos. |
|
distintivo | Sólo está disponible si el seleccionado es Avanzar por pasos. Habilita el control . Si es , el número de efectos predeterminado incluido debería ser igual al número total de efectos proporcionados al modelo, menos la interceptación. |
|
entero | Especifique el número máximo de efectos cuando se utiliza el método de creación de paso adelante. |
|
distintivo | Habilita el control de . Si es , el número predeterminado de pasos debe ser igual a tres veces el número de efectos proporcionado al modelo, excluyendo la interceptación. |
|
entero | Especifique el número máximo de pasos que se deben realizar al utilizar la generación Avanzar por pasos . |
|
distintivo | Indica si se debe especificar un nombre personalizado para el modelo ( ) o utilizar el nombre generado por el sistema ( ). El valor predeterminado es . |
|
serie | Si es , especifica el nombre del modelo a utilizar. |
|
distintivo | Si , se calcula la importancia del predictor. |
|
Boolean | Indica si se deben realizar pruebas de efecto de modelo. |
|
entero | Si se deben realizar mínimos cuadrados negativos. |
¿Fue útil el tema?
0/1000