问题标签 [multinomial]

我正在使用gbmR 包中的多项分布。当我使用该predict函数时，我得到一系列值：

但我想获得每个班级发生的概率。如何恢复概率？谢谢你。

我被一个问题困住了，

其中 xi 是正整数，M 可以是 [1,6000000] 中的任何值。有多少unordered solutions with distinct xi's存在。我想知道这是否可以通过动态编程来完成（在给定的约束和内存限制内快速运行），或者我必须想出一个组合数学公式。
我要举报answer modulo 1000000007
PS：我不想要解决方案

这是我今天的问题：

目前我正在自学计量经济学并利用逻辑回归。我有一些 SAS 代码，我想确保在尝试将其转换为 R 之前先很好地理解它。（我没有，我也不知道 SAS）。在这段代码中，我想模拟一个人成为“失业员工”的概率。我的意思是“年龄”在 15 到 64 岁之间，“机智”=“失业”。我想尝试用以下变量来预测这个结果：性别、年龄和 idnat（国籍号码）。（其他条件相同）。

SAS代码：

这是数据库应该是什么样子的示例：

这是我希望得到的结果：

（我对上述内容的解释如下：在其他条件相同的情况下，女性与男性相比有 -8.9% 的就业机会，而 25 岁以下的人比 26 至 54 岁的人有 -44.9% 的就业机会）。

因此，如果我理解得很好，最好的方法是使用二元逻辑回归（link=logit）。这使用引用“男性与女性”（性别），“员工与失业”（来自“机智”变量）......我认为“机智”由 SAS 自动转换为二进制（0-1）变量。

这是我在 R 中的第一次尝试。我还没有检查它（需要我自己的电脑）：

我的问题：

目前，似乎有许多函数可以在 R 中执行逻辑回归，glm这似乎很合适。

但是在访问了很多论坛之后，似乎很多人建议不要尝试完全复制 SAS PROC LOGISTIC，尤其是函数LSMEANS功能。Franck Harrel 博士，（作者package:rms）之一。

也就是说，我想我的大问题是LSMEANS它的选项Obsmargins和ILINK. 即使反复阅读了它的描述，我也很难理解它是如何工作的。

到目前为止，我的理解Obsmargin是它尊重数据库总人口的结构（即计算是根据总人口的比例完成的）。ILINK似乎用于获得每个预测变量（例如女性然后男性）的预测概率值（失业率，就业率），而不是（指数）模型找到的值？

简而言之，这怎么能通过 R 来完成，具有rms类似的功能lrm？

我真的迷失在这一切中。如果有人可以更好地向我解释并告诉我我是否走在正确的轨道上，那会让我很开心。

感谢您的帮助，并对所有错误感到抱歉，我的英语有点生疏。

平

我有三个参数a，b和c。每个参数都是一个具有三个类别的因素。我想用汽车包拟合多项式回归。

现在我得到了 b 和 c 下 a 的预测概率。

>

前两列显示了自变量 a 和 b 的类别。接下来的五列显示条件概率（pe P(c=1|b==1&&a==1)=0,10609.

我需要方差协方差并做了：

很抱歉只粘贴了矩阵的一部分，否则它会太长。我想要的是一个方差协方差矩阵，用于同时观察两个变量（vcov（a，b&c））。这意味着，我想在我的变量 a 与我用“概率”创建的 b 和 c 的同时观察之间获得方差（协方差）。我想得到输出

这可能吗？

当我执行多项式注册时。我很难用 Rmd 和 Knit HTLM (Rstudio) 得到一个很好的总结。我想知道如何获得一个很好的总结，就好像我将stargazer包与 LaTeX 一起使用......（参见 printscreen）

摘要输出难以阅读！

使用 stargazer 的摘要很容易阅读！

尝试在函数（包）产生的对象上model.avg使用包的函数时遇到问题。尽管手动列表兼容，但该函数不会像我预期的那样返回解释变量的模型平均系数。 MuMinmultinomnnetmultinommodel.avg

我知道当响应变量仅作为 2 个级别时问题不存在multinom，所以我猜这取决于生成的 multinom 对象的结构。但是，我不知道如何解决这个问题。

这是函数model.avg按预期工作的示例代码：

结果：

在这种情况下，“model.avg”函数按预期返回解释变量（即 X1-X4）的Model-averaged coefficients（列Estimate）。

现在，如果我想将其应用于multinom对象（至少具有 3 个级别的响应变量）：

结果

在这里，函数返回响应变量（即general和vocation）的不同水平的“模型平均系数”，而不是解释变量的模型平均系数。

如果这是可能的，你能告诉我如何从对象中获取Model average coefficients解释变量吗？multinom

提前谢谢了。

我正在为多个加法多项式模型运行 gbm() 函数，每个模型在一个大型数据集上具有 6 个响应类别（每个模型约 0.5-1 条线）。模型是这样的（几乎是默认值）。

Y是一个有6个类别的因子，解释变量是度量和因子。data是一个data.table。这段代码运行良好。预测不错。完成后，我保存预测并使用以下命令清理工作区：rm(list=ls(all=TRUE))并另外运行gc()，但它不会释放内存。我希望在清理所有工作区时，我的内存使用量应该与 R 会话开始时大致相同。

在我的具体情况下，加载数据后的 RAM 使用量约为 1.5GB。拟合模型后，它在我的电脑的极限处约为 14GB。清理工作区后，它的大小约为 12GB。目前对我来说唯一的解决方案是重新启动整个 R 会话，重新加载数据并运行下一个模型。

有没有解决方案，这样我就不必一直重新启动会话？

非常感谢！

让我以多项 logit 上的 UCLA 示例作为运行示例 ---

我想知道我怎样才能得到 95% 的置信区间？

我正在尝试实现 EM 算法。我正在使用 while 循环进行迭代，而我的输出矩阵中的变化大于某个阈值，但我收到一条错误消息“while 错误（delta >= tau）{：需要 TRUE/FALSE 的缺失值”下面是我的代码。

在下面的代码中，p_hat包含给定数据样本中 X1、X2 和 X3 概率的 MLE。根据维基百科上的多项分布页面，估计概率的协方差矩阵计算如下：

这个实现正确吗？

是否有一个 R 函数可以产生这个给定prob =c(0.1,0.3,0.6)多项分布的协方差矩阵？