r - 使用转换后的因变量进行 Tobit 回归预测
问题描述
我有一个 tobit 模型,其中因变量是对数转换的 - log(y+1) - 并且正在尝试使用此处描述的方法来预测值:
https://stats.stackexchange.com/questions/149091/censored-regression-in-r
但是,我不确定在哪里执行我的变量的反向转换以获得可解释的预测值。
我尝试在最后一步执行反向转换:
fit <- AER::tobit(log(y+1) ~ x + z)
mu <- fitted(fit)
sigma <- fit$scale
p0 <- pnorm(mu/sigma)
lambda <- function(x) dnorm(x)/pnorm(x)
ey0 <- mu + sigma * lambda(mu/sigma)
ey <- p0 * ey0
ey_bt <- exp(ey) - 1
但是,如果我将反向转换值的平均值与原始 y 的平均值进行比较,它们的大小会非常不同。
模型是否非常不适合,还是我在值的反向转换中犯了错误?
非常感谢!
解决方案
推荐阅读
- bash - 使用 Dockerfile 上的访问令牌克隆存储库:RUN 命令错误
- c# - 如何内联呼叫?
- sql-server - 即使在重建索引之后,聚集索引检索也很慢
- reactjs - 使用 react-router v6 将 props 传递给子组件
- google-apps-script - 如何解析评论并将其转换为单元格的值?
- windows - Powershell 的 -UseDefaultCredentials 是否使用 Kerberos?
- c# - 如何获取备份列表?
- three.js - 升级到三个js 0.130.1版本用shadermaterial渲染的点和buffergeometry不渲染
- javascript - 比较函数结果并显示真实情况
- java - 即使在操作系统中安装 jdk,我也无法在 eclipse 中找到 jre