逸脱適合度検定こんにちは、ポアソン回帰の文脈でピアソンと逸脱の適合度検定の両方を解釈するのを手伝ってくれる人はいませんか？X = 因子の数（つまり、患者に使用される医療アイテムが入院日数（Y）を決定できるかどうか）を判断しようとしています。私の全体的なモデルは有意ですが、適合度の統計は有意ではありません。以下を参照してください。また、切片と x パラメーターの両方が有意であることにも注意してください。
ありがとう
＃統計
基本的なデータ分析とモデリング消費者および市場調査データの探索と視覚化Re: 適合度テストの逸脱度テストについて考える (つまり、仮説を立てる) 方法はたくさんあります。 一般的な全モデル検定では、モデルが有意でないと仮定します (帰無仮説)。 別の言い方をすれば、すべてのパラメーター (定数を除く) が 0 であるということです。 対立仮説は、すべてのパラメーターが 0 ではないというものです。 したがって、モデル テスト全体を、「このモデルのいずれかの項に重要なものはありますか?」という質問に答える方法と考えることができます。 もちろん、個々の用語についてこの質問をすることもできます。
適合度検定では、「応答の残余効果のモデルに項が欠けているという証拠はありますか?」という質問があります。 それはフィット感の欠如に対する懸念です。 したがって、この検定では、モデルが適切に適合していると仮定します (帰無仮説)。 対立仮説は、モデルの分散部分によって完全に説明されていない応答の変動があるように見えるため、モデルが適切に適合していないというものです。 飽和モデルは、近似モデルの分散と比較できるように、分散の推定値を提供します。 それらは同一ではありませんが、違いは異常ですか (統計的に有意ですか)?
おそらく、優れたモデルと優れたモデルについて話し合う必要があります。
Re: 適合度テストの逸脱度@マークベイリー別の質問をしてもいいですか？ 私がばかげているように聞こえるなら、私と一緒に裸にしてください、私の統計の先生は私にループを送ります....
したがって、モデル全体のテストがあり、次に適合度テストがあります。 私の先生は、モデル全体の有意性を判断するためにモデル全体のテストを使用することをほのめかしました。 彼はまた、これを行うときに
Ho: モデルは重要ではない
Ha: モデルは重要です
ここでは、モデル全体のテスト用に設定したもので意味があり、p 値はアルファ (.05) 未満です。
では、適合度に対して次のように設定された別の「一連の仮説」を使用していると言っていますか。
Ho: このモデルは、私の y 変数を決定するために統計的に有意です
Ha: このモデルは、私の y 変数を決定する上で統計的に有意ではありません。
私の考えとデータのコンテキストでは、これがテスト全体でモデルが有意であることを示し、適合度の統計がモデルの適合度が良好であることを示す唯一の方法であるためです。
Re: 適合度テストの逸脱度ありがとうございました！ この場合、それらが従来の仮説検定から反転したものであり、重要な p 値が必要ないことを確認したかっただけです!
Re: 適合度テストの逸脱度適合度のテストは 2 つあります。 これら 2 つの仮説検定は、適合が良好であることを前提としています (帰無仮説)。 対立仮説 (検定) は、不適合があるというものです。 どちらもカイ二乗標本統計を推定します。 どちらも、完全モデル (適合) と飽和モデルの間の負の対数尤度の変化に基づいています。 重要なテストは、適合性の欠如を示します。 ピアソンテストは古いです。
カイ二乗を推定する 2 つの方法は、非常に類似した推定値を生成します。 アルファ（必要な有意水準）の選択はあなた次第ですが、あなたの例は適合性の欠如を示していないようです。
