Hola, ¿alguien puede ayudarme a interpretar las pruebas de bondad de ajuste de Pearson y Deviance en el contexto de la regresión de Poisson? Estoy tratando de determinar si X = # de factores (también conocidos como artículos médicos usados en un paciente pueden determinar la duración de su estadía en días (Y). Mi modelo general es significativo, pero mis estadísticas de bondad de ajuste no lo son. Vea a continuación, también debo tener en cuenta que tanto mi intercepción como el parámetro x son significativos
Gracias
#ESTADÍSTICAS
Hay dos pruebas de bondad de ajuste. Ambos estiman una estadística de muestra de Chi cuadrado. Ambos se basan en el cambio en la probabilidad logarítmica negativa entre el modelo completo (ajustado) y el modelo saturado. Una prueba significativa indica falta de ajuste. La prueba de Pearson es más antigua.
La elección de alfa (nivel de significancia requerido) depende de usted, pero su ejemplo no parece mostrar falta de ajuste.
¡Gracias! Solo quería asegurarme de que en este caso se cambiaron de la prueba de hipótesis tradicional y de que no querías un valor p significativo.
@markbailey ¿puedo hacerte otra pregunta? Desnúdate conmigo si sueno tonto, el maestro de mi estadística me está enviando un bucle ...
Entonces tenemos toda la prueba del modelo y luego la prueba de bondad de ajuste. Mi maestro ha dado a entender que debe usar la Prueba del modelo completo para determinar la importancia general del modelo. También dijo que al hacer esto
Ho: el modelo no es significativo
Ha: modelo es significativo
Lo que aquí tendría sentido con lo que he configurado para la prueba del modelo completo, y mi valor p es menor que mi alfa (.05).
¿Entonces estás diciendo que entonces uso un "conjunto de hipótesis" diferente configurado como este para Bondad de ajuste:
Ho: el modelo es estadísticamente significativo para determinar mi variable y
Ha: el modelo NO es estadísticamente significativo para determinar mi variable y.
Porque en mi mente y en el contexto de mis datos, esta es la única forma de que toda mi prueba indique que el modelo sea significativo y también que mis estadísticas de bondad de ajuste indiquen un buen ajuste del modelo.
