[問題] GLM
請教一下 假設我有組 data set {(x_i,y_i,i=1,2,...,20}
其中 y~bernoulli (p_i), logit(p_i)=b_0 + b_1 x_i, where x_i~N(0,1)
我 fit 一個 glm, logistic regression 得到 b_0 和 b_1 的估計值和 standard errors.
接著 我做 500 次 boot strap, 每一個 simulation 我都 fit 一次 glm, 得到 b_0
and b_1 的估計值,我用這組 boot strap standard errors (i.e., sample standard
errors) 來跟上面比較,發現差很多...
我不知道是為什麼. glm 裡預設求standard error的方法是用 MLE and fisher information
如果它估計 standard errors 的方法是好的 為什麼 boot strap 結果差蠻多的
b_0 b_1
Default SE 0.61499 1.10264
Bootstrap SE 33.17491 148.1905
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 128.189.206.177
※ 編輯: b218h 來自: 128.189.206.177 (11/21 04:50)
→
11/21 08:03, , 1F
11/21 08:03, 1F
→
11/21 13:56, , 2F
11/21 13:56, 2F
推
11/21 18:06, , 3F
11/21 18:06, 3F
→
11/21 22:00, , 4F
11/21 22:00, 4F
→
11/21 22:02, , 5F
11/21 22:02, 5F
→
11/21 22:02, , 6F
11/21 22:02, 6F
→
11/21 22:04, , 7F
11/21 22:04, 7F
→
11/21 22:05, , 8F
11/21 22:05, 8F
→
11/21 22:07, , 9F
11/21 22:07, 9F
→
11/21 22:08, , 10F
11/21 22:08, 10F
→
11/22 09:02, , 11F
11/22 09:02, 11F
→
11/22 09:02, , 12F
11/22 09:02, 12F
→
11/22 09:02, , 13F
11/22 09:02, 13F
→
11/22 09:03, , 14F
11/22 09:03, 14F
→
11/22 09:05, , 15F
11/22 09:05, 15F
→
11/22 09:30, , 16F
11/22 09:30, 16F
→
11/22 09:32, , 17F
11/22 09:32, 17F
→
11/22 15:43, , 18F
11/22 15:43, 18F
→
11/22 15:43, , 19F
11/22 15:43, 19F
→
01/02 15:00,
5年前
, 20F
01/02 15:00, 20F