Как рассчитать подогнанные значения для надежных моделей регрессии

Question

Я использую пакет robustreg в R для подгонки надежных регрессионных моделей, мои модели основаны на итеративно переоцененных наименьших квадратах, наименьшие квадраты в этих моделях взвешиваются с использованием функции Пикси Тьюки и функции Хубер-Пси, чтобы оценитьВ моделях я использовал следующие коды:

 RobBS <- robustRegBS(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)

RobH <- robustRegH(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)

Но функция возвращает только коэффициенты, веса и среднеквадратичные ошибки, поэтому мне нужно было найти подходящие значения, для этого я использовал функции fitted() и predict() с объектом выходов, полученных из двух функций, но это не сработало, есть ли пакет R, специально созданный для этого случая?Я имею в виду пакет, который может рассчитать подходящие значения надежных моделей регрессии.

Answer 1

Сам пакет, скорее всего, и есть путь.Похоже, что создатель пакета мало знал о функциональности класса R. Пакет содержит функцию fit_rcpp, при этом в документации help(fit_rcpp) говорится, что он даст надежный прогноз y, учитывая дизайн X и коэффициентыб (не очень хорошо объяснено).

Таким образом, для этого конкретного пакета вы можете получить оценки, используя эту функцию.

model_matrix <- model.matrix(UND ~ FA + FS + IPOV + ROA + NI + IPOR + Pd + MP30 + D20, data = IPO)
fit_rcpp(model_matrix, RobBS$coefficients)
fit_rcpp(model_matrix, RobH$coefficients)