区别

Question

这是跨张贴最早贴在stats.stackexchange.com后，因为我认为这涉及到更多的使用R和统计编码相比，但现在我明白我可能会在这里找到更活跃的R用户社区。 https://stats.stackexchange.com/questions/16346/difference-between-lp-or-simply-in-rs-locfit

我不知道我看到的金标准locfit包的文档中的R为当地logistic回归不同实例之间的区别：http://cran.r-project.org/web/packages/locfit/locfit.pdf

我得到starkingly不同的结果与

fit2<-scb(closed_rule ~ lp(bl),deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm") 

从

fit2<-scb(closed_rule ~ bl,deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm") 

。

差异的性质是什么？也许这可以帮助我，我想要的短语。我想到了一个逻辑链接函数预测closed_rule概率的线性指数。 lp的文档说它适合局部多项式 - 这很好，但我认为即使我将它排除在外也会发生。在任何情况下，该文件中是否有“局部回归”无论哪种方式...

Answer 1

的locfit包的作者凯瑟琳装载机，请回答我的电子邮件的例子。她说，如果我在scb的公式中指定它，而不是scb的alpha参数，单独的h和nn参数需要进入lp。

虽然我无法获得代码工作。我还不确定为什么在没有指定lp（）的情况下应该与案例有所不同，并简单地给alpha函数和deg函数赋予alpha和deg参数。

而且她还指出一个重要的错误我的代码张贴：用“PARM”的内核，没有本地的平滑，而是一个参数（在我的情况，逻辑）的估计。

最后，注意，文献似乎表明指定类型= 4作为SCB为逻辑回归参数。