这是 gbnlprobit 命令,可以使用我们的多个免费在线工作站之一在 OnWorks 免费托管服务提供商中运行,例如 Ubuntu Online、Fedora Online、Windows 在线模拟器或 MAC OS 在线模拟器
程序:
您的姓名
gbnlprobit - 非线性概率回归
概要
gbnl概率 [选项] <功能 定义>
商品描述
非线性概率估计。 最小化负对数似然
sum_{N_0 中的 i} log(1-F(g(X_i))) + sum_{N_1 中的 i} log(F(g(X_i)))
其中 N_0 和 N_1 是 0 和 1 观测值的集合,g 是
自变量,F 是正常的 CDF。 也可以最小化分数
function
w_0 sum_{i in N_0} theta(F(g(X_i))-t) +
w_1 sum_{i in N_1} theta(tF(g(X_i)))
其中 theta 是 Heaviside 函数和 ta 阈值水平。 权重 w_0 和 w_1 比例
两个亚群的贡献。 第一列数据包含 0/1 个条目。
连续列是自变量。 模型由函数指定
g(x1,x2...) 其中 x1,.. 代表第一个、第二个 .. 第 N 列自变量。
opţiuni:
-O 输出类型(默认 0)
0个参数
1 参数及错误
2 和概率
3 参数和方差矩阵
4 边际效应
-V 方差矩阵估计(默认 0)
0
1 < J^{-1} >
2 < H^{-1} >
3 < H^{-1} JH^{-1} >
-z 拿 zscore (不是 0/1 假人)
-F 输入字段分隔符(默认为“\t”)
-v 详细级别(默认为 0)
0 只是结果
1个评论标题
2 汇总统计
3 协方差矩阵
4 个最小化步骤(默认 10)
5 模型定义
-g 设置全局最优阈值识别的点数
-h 这个帮助
-t 设置阈值(默认为 0)
0 忽略阈值
(0,1) 用户提供的阈值
1 计算最优仅全局
2 计算最优
-M 估计方法
0 最大似然
1分钟。 得分(w0=w1=1)
2 分钟。 得分(w0=1/N0,w1=1/N1)
-A MLL 优化选项(默认 0.01,0.1,100,1e-6,1e-6,5)字段是
步骤,tol,iter,eps,msize,algo。 默认为空字段
step 搜索算法的初始步长
tol line search tolerance iter:最大迭代次数
eps 梯度容差:停止标准 ||gradient||
算法优化方法:0 Fletcher-Reeves、1 Polak-Ribiere、2
Broyden-Fletcher-Goldfarb-Shanno,3 个最陡峭的下降,4 个单纯形
-B 分数优化选项(默认 0.1,100,1e-6)字段是 step、iter、msize。 空的
默认字段
step 搜索算法的初始步长
iter 最大迭代次数
msize 最大尺寸,停止标准单工暗淡。
使用 onworks.net 服务在线使用 gbnlprobit