Нашли ошибку? Выделите
текст с ошибкой и нажмите кнопку "Сообщить об ошибке"
или CTRL+ENTER.
Справочная
система на версию 10.1
от 27/06/2023,
© ООО «ФОРСАЙТ»,
BinaryDistr: BinaryDistrType;
Свойство BinaryDistr определяет модель бинарной регрессии.
По умолчанию свойство принимает значение BinaryDistrType.Logit. Используется Logit-модель, то есть рассматривается логистическое нормальное распределение.
Для выполнения примера в репозитории предполагается наличие контейнера моделирования с идентификатором MS, содержащего модель бинарного выбора (оценка методом максимального правдоподобия) с идентификатором BCHOICE_MODEL.
Добавьте ссылки на системные сборки: Metabase, Ms, Stat.
Sub UserProc;
Var
Mb: IMetabase;
MsKey: Integer;
Model: IMsModel;
ModelTransform: IMsFormulaTransform;
ModelFormula: IMsFormula;
BinaryRegr: IMsBinaryRegressionTransform;
Explanatories: IMsCompositeFormulaTermSetList;
i: Integer;
Factor: IMsCompositeFormulaTermSet;
Begin
Mb := MetabaseClass.Active;
// Получаем ключ контейнера моделирования
MsKey := Mb.ItemById("MS").Key;
// Получаем модель, рассчитываемую методом бинарной регрессии
Model := Mb.ItemByIdNamespace("BCHOICE_MODEL", MsKey).Edit As IMsModel;
// Получаем параметры расчёта модели
ModelTransform := Model.Transform;
ModelFormula := ModelTransform.FormulaItem(0);
// Получаем параметры расчёта бинарной регрессии
BinaryRegr := ModelFormula.Method As IMsBinaryRegressionTransform;
// Задаём модель бинарной регрессии
BinaryRegr.BinaryDistr := BinaryDistrType.Probit;
// Задаём пороговое значение вероятности для отнесения объектов к группе «0» или «1»
BinaryRegr.ClassificationCutOff := 0.7;
// Задаём точность оптимизации функции правдоподобия
BinaryRegr.Tolerance := 0.00001;
// Задаём начальные значения объясняющих переменных вручную
BinaryRegr.UseDefaultInitValues := False;
Explanatories := BinaryRegr.Explanatories;
For i := 0 To Explanatories.Count - 1 Do
Factor := Explanatories.Item(i);
Factor.InitValue := 0.1;
End For;
// Указываем, что значение константы будет оценено
BinaryRegr.ConstantMode := InterceptMode.AutoEstimate;
// Задаем начальное значение константы вручную
BinaryRegr.ConstantInitValue := 0.4;
BinaryRegr.ConstantValue := 0.4;
// Указываем тип значений, выгружаемых в модельные и прогнозные ряды
BinaryRegr.OutputType := MsBinaryRegressionOutputType.Probability;
// Сохраняем модель
(Model As IMetabaseObject).Save;
End Sub UserProc;
В результате выполнения примера будут изменены следующие параметры расчёта модели:
модель бинарной регрессии - Probit;
пороговое значение вероятности для деления на группы - «0,7»;
точность оптимизации функции правдоподобия - «0,00001»;
начальные значения всех объясняющих переменных - «0,1», начальное значение оценённой константы - «0,4»;
в моделируемый и прогнозные ряды выгружаются вероятностные значения.
См. также: