Perbedaan antara implementasi regresi ridge di R dan SAS

Saya telah membaca deskripsi regresi ridge dalam Model Statistik Terapan Linier , edisi ke 5 bab 11. Regresi ridge dilakukan pada data lemak tubuh yang tersedia di sini .

Buku teks cocok dengan output dalam SAS, di mana koefisien ditransformasikan kembali diberikan dalam model pas sebagai:

Ini ditunjukkan dari SAS sebagai:

proc reg data = ch7tab1a outest = temp outstb noprint;
  model y = x1-x3 / ridge = 0.02;
run;
quit;
proc print data = temp;
  where _ridge_ = 0.02 and y = -1;
  var y intercept x1 x2 x3;
run;
Obs     Y    Intercept       X1         X2         X3

 2     -1     -7.40343    0.55535    0.36814    -0.19163
 3     -1      0.00000    0.54633    0.37740    -0.13687

Tetapi R memberikan koefisien yang sangat berbeda:

data <- read.table("http://www.cst.cmich.edu/users/lee1c/spss/V16_materials/DataSets_v16/BodyFat-TxtFormat.txt", 
                   sep=" ", header=FALSE)
data <- data[,c(1,3,5,7)]
colnames(data)<-c("x1","x2","x3","y")
ridge<-lm.ridge(y ~ ., data, lambda=0.02)   
ridge$coef
coef(ridge)

>   ridge$coef
       x1        x2        x3 
10.126984 -4.682273 -3.527010 
>   coef(ridge)
                   x1         x2         x3 
42.2181995  2.0683914 -0.9177207 -0.9921824 
> 

Adakah yang bisa membantu saya memahami mengapa?

$\lambda$lm.ridge

Anda dapat melihat jenis algoritma apa yang diterapkan dalam R dengan melihat sumbernya lm.ridge. Cukup ketik lm.ridgeprompt R.

Menggunakan lm.ridge juga menghasilkan vektor penskalaan (coba kepala (model) untuk melihat semua output). Untuk mendapatkan nilai prediksi dalam R yang Anda lihat di SAS, ambil koefisien dan bagi dengan vektor skalar.