serp:CLM响应惩罚的平滑效果
累加环节的正则化方法模型。平滑效应响应惩罚(SERP)提供了通过使平滑实现有序模型的灵活建模从一般累积链接模型过渡到更粗形式的相同的模型。换句话说,当调谐参数从零开始时到无穷大,与每个主题相关的特定效果模型中的变量往往具有独特的全局效应。参数一般累积模型的估计大多无法识别或至少只能在整个参数范围内识别空间。因此,通过最大化惩罚而不是通常的非泛化log-likelihood,这和其他常见的数值问题用一般模型都在很大程度上消除了。配件是通过修正的牛顿方法。几个标准模型性能和描述方法也是可用的。有关罚款的更多详细信息在这里实施,参见Ugba(2021)<doi:10.21105/joss.03705>和Ugba等人(2021年)<doi:10.3390/stats4030037>.
文档:
下载内容:
反向依赖关系:
链接:
请使用规范形式https://CRAN.R-project.org/package=serp链接到此页面。