statsmodels.genmod.generalized_estimating_equations.GEE.fit_regularized¶

GEE.fit_regularized(pen_wt, scad_param=3.7, maxiter=100, ddof_scale=None, update_assoc=5, ctol=1e-05, ztol=0.001, eps=1e-06, scale=None)[source]¶

GEE 的正则化估计。

Parameters:¶

pen_wtfloat

惩罚权重（非负标量）。

scad_paramfloat

非负标量，决定Scad惩罚的形状。

maxiterint

最大迭代次数。

ddof_scaleint

计算t统计量的分母自由度时从nobs中减去的值，默认为exog中的列数。

update_assocint

依赖参数在均值结构参数更新的每update_assoc次迭代中更新。

ctolfloat

收敛准则，默认值比Wang等人提出的3.1节中的值小一个数量级。

ztolfloat

小于此值的系数被视为零，默认值基于Wang等人第5节。

epsnon-negative scalar

数值常数，参见 Wang 等人的第 3.2 节。

scalefloat or str

如果是浮点数，则此值用作比例参数。 如果是“X2”，则始终使用皮尔逊卡方方法估计比例参数（例如，在准泊松分析中）。 如果是None，则使用族的默认方法来估计比例参数。

Returns:¶

GEEResults instance. Note that not all methods of the results

class make sense when the model has been fit with regularization.

注释

此实现假设链接是规范的。

参考文献

王 L, 周 J, 曲 A. (2012). 用于高维纵向数据分析的惩罚广义估计方程。 生物统计学。2012年6月;68(2):353-60. doi: 10.1111/j.1541-0420.2011.01678.x. https://www.ncbi.nlm.nih.gov/pubmed/21955051 http://users.stat.umn.edu/~wangx346/research/GEE_selection.pdf