R 为什么从glmnet模型中获取回归系数的统计汇总信息是不可取的？

我有一个二元结果的回归模型。我用glmnet对模型进行了拟合，得到了选定的变量及其系数

由于glmnet不计算变量的重要性，我想将精确的输出（选定的变量及其系数）提供给glm，以获得信息（标准误差等）

我搜索了r文档，似乎可以使用glm中的“方法”选项来指定用户定义的函数。 但我没能做到，有人能帮我吗

“要求回归的标准误差是一个非常自然的问题 系数或其他估算量。原则上，此类标准 可以很容易地计算错误，例如使用引导

尽管如此，这个方案还是故意不提供它们 这是因为标准错误对于强错误来说不是很有意义 有偏差的估计，如由惩罚估计方法产生的估计。 惩罚估计是一种减少方差的过程 引入实质性偏差的估计量。每个估计量的偏差 因此，是其均方误差的主要组成部分，而 差异可能只占一小部分

不幸的是，在惩罚回归的大多数应用中，它是 无法获得足够精确的偏差估计值。任何 基于bootstrap的计算只能评估 估计值的方差。偏差的可靠估计值仅为 如果可靠的无偏估计可用，则可用，即 通常情况下，不适用于惩罚估计的情况 用过

因此，报告惩罚估计的标准误差可以说明 这只是故事的一部分。它可能会给人一种错误的印象 精确性，完全忽略偏差造成的不精确性 做出仅限于 基于对估计方差的评估，例如 基于bootstrap的置信区间可以。”

有CRAN软件包，为高维模型提供推理，您可能想看看这些。。。

---

我还看到人们只是使用

glmnet

选择的预测器运行

glm

，但这没有考虑到最佳模型本身的选择过程所产生的不确定性…

请重复示例？我现在没有一个例子，但是，把问题简化一点。假设我有一个从glmnet输出的公式，y=2.3*x1+3.1*x2+0.9*x3。我如何在glm中指定这个公式，以便对其进行操作？这是不可复制的，但它给了我一个更好的想法。我认为您可能无法做您想要做的事情：也就是说，您可以通过将一个完全指定的模型指定为偏移项来向glm提供该模型，但我不确定它是否可以从该起点计算变量的重要性。您是否考虑过使用

插入符号

软件包，该软件包通过对不同模型进行平均来实现某种形式的收缩，并提供有关变量重要性的信息？我将查看“插入符号”，您还可以帮助我了解如何在glm中使用偏移项的一些来源吗？请参阅

？glm

。不过，我真的不认为偏移量对你有用。如果你给出一个可复制的例子，也许其他人会插话。很好地解释了为什么不提供S.E！