如何计算稳健回归模型的拟合值答案

【问题标题】：How to calculate fitted values for robust regression models如何计算稳健回归模型的拟合值
【发布时间】：2019-07-07 02:07:41
【问题描述】：

我在 R 中使用 robustreg 包来拟合稳健的回归模型，我的模型基于迭代重新加权的最小二乘，这些模型中的最小二乘使用 Tukey 的 Bisquare Psi 函数和 Huber Psi 函数进行加权，以估计模型我使用了以下代码：

 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)

但该函数只返回系数、权重和均方误差，因此我需要找到拟合值，为此我使用了函数fitted() 和predict()，其输出对象是从两个功能，但是没用，有没有专门为这种情况做的R包？我的意思是一个可以计算稳健回归模型的拟合值的包。

【问题讨论】：

标签： r regression predict robust

【解决方案1】：

包装本身很可能是要走的路。似乎该包的创建者对 R 的类功能知之甚少。该包包含一个函数fit_rcpp，使用help(fit_rcpp) 文档指出，在给定设计 X 和系数的情况下，它将给出 y 的稳健预测b （也没有很好地解释）。

因此，对于这个特定包，您可以使用此函数获得估计值。

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)

【讨论】：

非常感谢，效果很好，但我不明白为什么这个包的函数不像其他稳健回归模型那样显示变量的重要性和模型的 R 平方MASS 包
这一切都归结为实现包的那个。谁为这个包裹做了这件事，决定了哪些东西要退回，哪些东西不要。 “为什么？”可能是由于创作者的纯粹懒惰或无知。或者其他谁知道？