我已经有一段时间没有考虑或使用稳健的逻辑回归模型了。但是，我昨天运行了一些 logits，并意识到我的概率曲线受到一些“极端”值的影响，尤其是低值。然而，当我运行一个健壮的 logit 模型时，我得到的结果与我在我的 logit 模型中所做的相同。
在什么情况下，稳健的 logit 应该产生与传统 logit 模型不同的结果？（就系数而言）
代码：
> library(Design)
> ddist<- datadist(dlmydat)
> options(datadist='ddist')
> me = lrm(factor(dlstatus) ~ dlour_bid, data=dlmydat)
> me
Logistic Regression Model
lrm(formula = factor(dlstatus) ~ dlour_bid, data = dlmydat)
Frequencies of Responses
1 2
906 154
Obs Max Deriv Model L.R. d.f. P C Dxy Gamma Tau-a R2 Brier
1060 3e-05 170.11 1 0 0.81 0.619 0.621 0.154 0.263 0.105
Coef S.E. Wald Z P
Intercept -5.233549 0.3731235 -14.03 0
dlour_bid 0.005367 0.0004925 10.90 0
> library(car)
> dlmod = glm(factor(dlstatus) ~ dlour_bid, data=dlmydat, family=binomial(link="logit"))
> summary(dlmod)
Call:
glm(formula = factor(dlstatus) ~ dlour_bid, family = binomial(link = "logit"),
data = dlmydat)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.2345 -0.5687 -0.3059 -0.1739 2.6999
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -5.2335492 0.3731235 -14.03 <2e-16 ***
dlour_bid 0.0053667 0.0004925 10.90 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 878.61 on 1059 degrees of freedom
Residual deviance: 708.50 on 1058 degrees of freedom
AIC: 712.5
Number of Fisher Scoring iterations: 6