Prueba de bondad de ajuste de desviaciónHola, ¿alguien puede ayudarme a interpretar la prueba de bondad de ajuste de Pearson y Deviance en el contexto de la regresión de Poisson? Estoy tratando de determinar si X = número de factores (también conocidos como artículos médicos utilizados 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. Consulte a continuación, también Debo tener en cuenta que tanto mi intercepción como el parámetro x son significativos
Gracias
#ESTADÍSTICAS
Análisis y modelado de datos básicosInvestigación de Consumidores y MercadosExploración y visualización de datosRe: Prueba de bondad de ajuste de desviaciónHay muchas formas de pensar (es decir, formular hipótesis) sobre las pruebas. La prueba del modelo completo común asume (hipótesis nula) que el modelo no es significativo. Otra forma de decirlo es que todos los parámetros (excepto la constante) son 0. La hipótesis alternativa es que no todos los parámetros son 0. Por lo tanto, puede pensar en la prueba del modelo completo como una forma de responder a la pregunta: "¿Alguno de los términos de este modelo es significativo?" También puede hacer esta pregunta de términos individuales, por supuesto.
La prueba de bondad de ajuste pregunta: "¿Hay evidencia de que me faltan términos en el modelo para los efectos residuales en la respuesta?" Esa es una preocupación por la falta de ajuste. Entonces, la prueba asume (hipótesis nula) que el modelo se ajusta bien. La hipótesis alternativa es que el modelo no se ajusta bien porque parece que hay una variación en la respuesta que no se explica por completo por la parte de la varianza del modelo. El modelo saturado proporciona la estimación de la varianza para que pueda compararse con la varianza del modelo ajustado. No serán idénticos, pero ¿la diferencia es inusual (estadísticamente significativa)?
Quizás deberíamos hablar de un buen modelo frente a un mejor modelo.
Re: Prueba de bondad de ajuste de desviación@Mark_Bailey ¿puedo hacerte otra pregunta? Desnuda conmigo si sueno tonto, el maestro de mi estadística me está enviando a un bucle....
Así que tenemos la prueba del modelo completo y luego la prueba de bondad de ajuste. Mi maestro ha sugerido usar la prueba del modelo completo para determinar la importancia general del modelo. También dijo que al hacer esto el
Ho: el modelo no es significativo
Ha: el modelo ES significativo
Lo que aquí tendría sentido con lo que configuré para la prueba del modelo completo, y mi valor p es menor que mi alfa (.05).
Entonces, ¿estás diciendo que luego uso un "conjunto de hipótesis" diferente establecido como este para la bondad de ajuste:
Ho: el modelo es estadísticamente significativo para determinar mi variable y
Ja: el modelo NO es estadísticamente significativo para determinar mi variable y.
Porque en mi mente y 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.
Re: Prueba de bondad de ajuste de desviación¡Gracias! ¡Solo quería asegurarme de que en este caso se cambiaron de la prueba de hipótesis tradicional y que no querías un valor p significativo!
Re: Prueba de bondad de ajuste de desviaciónHay dos pruebas de bondad de ajuste. Estas dos pruebas de hipótesis asumen que el ajuste es bueno (hipótesis nula). La hipótesis alternativa (prueba) es que existe falta de ajuste. Ambos estiman una estadística muestral de Chi cuadrado. Ambos se basan en el cambio en la verosimilitud 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.
Los dos métodos de estimación de Chi cuadrado producen estimaciones muy similares. La elección de alfa (nivel de significación requerido) depende de usted, pero su ejemplo no parece mostrar una falta de ajuste.
