当标准误差已知/估计时进行平滑

机器算法验证 r 标准错误 平滑
2022-04-01 02:54:22

我有一组函数值的估计值,以及它们的标准误差的估计值。为了稍微简化问题:对于x1取决于70在(整数)步骤中(实际上是模型选择中的一个参数),我有一个匹配的估计y-value(实际上是 AUC)及其 SE 的估计值。我不能对曲线的形式做出假设(例如,它甚至不确定它是单峰的),除了它应该在我的规模上是平滑的x价值观。

我正在寻找一种将这些转换为更平滑形式的方法,因为我使用的方法往往会产生我希望规避的偶尔尖峰。

现在,大多数平滑算法只使用y值,在这种情况下,这似乎是对信息的浪费(即不使用 SE)。此外,我还想从错误标志中消除错误带。

令我惊讶的是,我还没有找到提供此功能的技术。我看起来还不够好吗?我也想在 R 中执行此操作,所以如果有人有一个可以解决问题的包,我会很高兴。

1个回答

您可以使用逆方差权重来解释不同的标准误差您将通过其方差的倒数来加权每个观察值,即其标准误差的平方。最简单的情况是加权最小二乘法,但类似的原则适用于大多数其他类型的回归模型。有许多可能的平滑方法,例如平滑样条曲线或局部多项式。选择取决于您的数据是什么样的,您想对结果做什么以及您有什么可用的软件。任何方法都应该能够在拟合曲线周围产生置信或预测带。

我对 R 中可用的内容不是很熟悉。我看到该lm函数允许一个weights参数,并且包的smooth.Pspline函数pspline有一个w参数。我假设其他功能和包也有类似的东西——也许其他人可以扩展(我更熟悉 Stata,它允许在几乎所有的回归模型中使用权重)。