Я боролся с этим пару недель назад, и хотя я не считаю это окончательным ответом, надеюсь, он все еще полезен. Как бы то ни было, МакКаллаг и Нелдер прямо признают эту несоответствующую поддержку функции канонической ссылки. Они советуют ограничивать beta
s, чтобы они соответствовали опоре. Вот соответствующий отрывок
Функция канонической ссылки дает достаточную статистику, которая является линейной функцией данных и задается η = 1/μ
. В отличие от канонических связей для пуассоновского и биномиального распределений, обратное преобразование, которое часто интерпретируется как скорость процесса, не отображает диапазон μ
на всю действительную линию. Таким образом, требование η > 0
подразумевает ограничения на β
в любой линейной модели. При вычислении β_hat
необходимо принять соответствующие меры предосторожности, чтобы избежать отрицательных значений μ_hat
.
- МакКаллаг и Нелдер (1989). Обобщенные линейные модели с. 291
Это зависит от ваших X
значений, но, насколько я могу судить (пожалуйста, поправьте меня, кто-нибудь!) В байесовском случае на основе MCMC, вы можете добиться этого, используя либо усеченный априор на beta
s, либо достаточно сильный априор для вашего перехвата. чтобы сделать невозможным доступ в неподходящие регионы.
В моем случае я в конечном итоге использовал идентификационную ссылку с сильным положительным предварительным перехватом, и этого было достаточно и дало разумные результаты.
Кроме того, выбор ссылки действительно зависит от вашего X
. Как следует из приведенного выше отрывка, использование канонической ссылки предполагает, что ваша линейная модель находится в пространстве оценок. Использование журналов или идентификационных ссылок также очень распространено, и, в конечном итоге, речь идет о предоставлении пространства, которое предлагает достаточный диапазон для линейной функции для захвата ответа.
person
merv
schedule
13.12.2018