偏差適合度檢定您好，有人可以幫我在泊松迴歸的背景下解釋皮爾遜適合度檢定和偏差適合度檢定嗎？我正在嘗試確定是否X= 因素數（又名患者使用的醫療物品可以確定他們的住院天數(Y)。我的整體模型很重要，但我的擬合優度統計數據並不重要。見下文，我也應該注意我的截距和 x 參數都很重要
謝謝
＃統計數據
基礎資料分析與建模消費者與市場研究數據探索和視覺化回复：偏差擬合優度檢驗有很多方法可以考慮（即假設）測試。 通用整體模型檢驗假設（原假設）模型不顯著。 另一種說法是所有參數（常量除外）均為 0。 備擇假設是並非所有參數都為 0。 因此，您可能會將整個模型測試視為回答“該模型中的任何項是否重要？”這一問題的一種方式。 當然，您也可以針對個別術語提出這個問題。
擬合優度是在問，“是否有證據表明我在模型中遺漏了響應中殘留效應的項？” 這是對不合適的擔憂。 因此，該測試假設（零假設）該模型非常適合。 備擇假設是該模型不是一個很好的擬合，因為響應中似乎存在變化，而模型的方差部分並未完全解釋該變化。 飽和模型提供方差估計，以便可以將其與擬合模型的方差進行比較。 它們不會完全相同，但差異是否異常（具有統計顯著性）？
或許我們應該討論一個好的模型與一個更好的模型。
回复：偏差擬合優度檢驗@馬克貝利我可以問你另一個問題嗎？ 如果我聽起來很蠢，請原諒我，我的統計老師會讓我循環......
所以我們有整個模型測試，然後是擬合優度測試。 我的老師暗示要使用整體模型測試來確定模型的整體重要性。 他還說，這樣做的時候
何：型號不重要
Ha：模型很重要
這對我為整個模型測試設置的內容有意義，而且我的 p 值小於我的 alpha (.05)。
那麼你是說我使用不同的“假設集”設置這樣的擬合優度：
Ho：該模型對於確定我的 y 變量具有統計顯著性
Ha：該模型對於確定我的 y 變量沒有統計意義。
因為在我看來和我的數據上下文中，這是讓我的整個測試表明模型有意義並且然後讓我的擬合優度統計表明模型擬合良好的唯一方法。
回复：偏差擬合優度檢驗謝謝你！ 我只是想確保在這種情況下它們是從傳統的假設檢驗中翻轉過來的，並且您不想要顯著的 p 值！
回复：偏差擬合優度檢驗擬合優度有兩個檢驗。 這兩個假設檢驗假設擬合良好（原假設）。 備擇假設（檢驗）是失擬。 他們都估計卡方樣本統計量。 它們都基於完整模型（擬合）和飽和模型之間負對數似然的變化。 顯著性檢驗表明不適合。 皮爾遜測試較舊。
估計卡方的兩種方法產生非常相似的估計。 alpha（所需的重要程度）的選擇取決於您，但您的示例似乎沒有表現出不合適。
