Test d'adéquation de l'écartSalut, quelqu'un peut-il m'aider à interpréter les tests d'adéquation de Pearson et de Deviance dans le contexte de la régression de Poisson ? J'essaie de déterminer si X = nombre de facteurs (c'est-à-dire que les articles médicaux utilisés sur un patient peuvent déterminer la durée de son séjour en jours (Y). Mon modèle global est significatif, mais mes statistiques d'adéquation ne le sont pas. Voir ci-dessous, également. je dois noter que mon interception et mon paramètre x sont significatifs
Merci
#STATISTIQUES
Analyse et modélisation des données de baseÉtudes de consommation et de marchéExploration et visualisation des donnéesRe : Test d'adéquation de la dévianceIl existe de nombreuses façons de penser (c'est-à-dire d'émettre des hypothèses) aux tests. Le test du modèle entier commun suppose (hypothèse nulle) que le modèle n'est pas significatif. Une autre façon de le dire est que tous les paramètres (sauf la constante) sont 0. L'hypothèse alternative est que tous les paramètres ne sont pas 0. Vous pourriez donc penser à l'ensemble du test du modèle comme un moyen de répondre à la question : "Est-ce que l'un des termes de ce modèle est significatif ?" Vous pouvez également poser cette question à des termes individuels, bien sûr.
Le test de qualité d'ajustement demande : "Y a-t-il des preuves qu'il me manque des termes dans le modèle pour les effets résiduels dans la réponse ?" C'est une préoccupation pour le manque d'ajustement. Le test suppose donc (hypothèse nulle) que le modèle est bien ajusté. L'hypothèse alternative est que le modèle n'est pas un bon ajustement car il semble qu'il y ait une variation dans la réponse qui n'est pas entièrement expliquée par la partie variance du modèle. Le modèle saturé fournit l'estimation de la variance afin qu'elle puisse être comparée à la variance du modèle ajusté. Ils ne seront pas identiques, mais la différence est-elle inhabituelle (statistiquement significative) ?
Peut-être devrions-nous parler d'un bon modèle par rapport à un meilleur modèle.
Re : Test d'adéquation de la déviance@Mark_Bailey puis-je vous poser une autre question? Débarrassez-vous de moi si j'ai l'air stupide, le professeur de ma stat m'envoie faire une boucle ....
Nous avons donc l'ensemble du test du modèle, puis le test de la qualité de l'ajustement. Mon professeur a suggéré d'utiliser le test du modèle entier pour déterminer la signification globale du modèle. Il a également dit qu'en faisant cela, le
Ho : le modèle n'est pas significatif
Ha : le modèle est significatif
Ce qui ici aurait du sens avec ce que j'ai mis en place pour le test du modèle entier, et ma valeur p est inférieure à mon alpha (.05).
Êtes-vous en train de dire que j'utilise alors un "ensemble d'hypothèses" différent configuré comme celui-ci pour la qualité de l'ajustement :
Ho : le modèle est statistiquement significatif pour déterminer ma variable y
Ha : le modèle n'est PAS statistiquement significatif pour déterminer ma variable y.
Parce que dans mon esprit et dans le contexte de mes données, c'est le seul moyen de faire en sorte que l'ensemble de mon test indique que le modèle soit significatif et que mes statistiques de qualité d'ajustement indiquent également un bon ajustement du modèle.
Re : Test d'adéquation de la dévianceMerci! Je voulais juste m'assurer que dans ce cas, ils étaient inversés par rapport au test d'hypothèse traditionnel et que vous ne vouliez pas une valeur p significative pour vous !
Re : Test d'adéquation de la dévianceIl existe deux tests de qualité d'ajustement. Ces deux tests d'hypothèse supposent que l'ajustement est bon (hypothèse nulle). L'hypothèse alternative (test) est qu'il y a un manque d'ajustement. Ils estiment tous deux une statistique d'échantillon de Chi carré. Ils sont tous deux basés sur la variation du log de vraisemblance négative entre le modèle complet (ajusté) et le modèle saturé. Un test significatif indique un manque d'ajustement. Le test de Pearson est plus ancien.
Les deux méthodes d'estimation du Chi carré donnent des estimations très similaires. Le choix de l'alpha (niveau de signification requis) vous appartient, mais votre exemple ne semble pas manquer d'ajustement.
