拟合优度检验的偏差嗨，有人能帮我解释一下泊松回归背景下的皮尔逊和偏差拟合优度检验吗？我想确定 X= 因素数（即患者使用的医疗物品是否可以决定他们的住院天数（Y）。我的整体模型是显著的，但我的拟合优度统计却不是。见下文，我还应该注意到我的截距和 x 参数都是显著的
谢谢
＃统计数据
基础数据分析与建模消费者和市场研究数据探索与可视化Re: 偏差拟合优度测试有很多方法可以考虑（即假设）测试。 共同的整体模型检验假设（零假设）模型不显着。 另一种说法是所有参数（常量除外）都是0。 另一种假设是并非所有参数都为 0。 因此，您可能会将整个模型检验视为回答“该模型中的任何项是否重要？”这一问题的一种方式。 当然，您也可以就个别条款提出这个问题。
拟合优度是在问：“是否有证据表明我在模型中遗漏了响应中残留效应的项？” 这是对不合身的担忧。 因此，测试假设（零假设）模型非常适合。 另一种假设是模型不是一个很好的拟合，因为模型的方差部分似乎没有完全解释响应中的变化。 饱和模型提供方差的估计，以便可以将其与拟合模型的方差进行比较。 它们不会相同，但差异是否异常（统计显着）？
也许我们应该谈论一个好的模型与一个更好的模型。
Re: 偏差拟合优度测试@Mark_Bailey我可以再问你一个问题吗？ 如果我听起来很愚蠢，请与我裸露，我的统计老师正在让我循环......
所以我们有整个模型测试，然后是拟合优度测试。 我的老师暗示要使用整个模型测试来确定模型的整体重要性。 他还说在这样做的时候
何：模型不显着
哈：模型很重要
这对于我为整个模型测试设置的内容是有意义的，并且我的 p 值小于我的 alpha (.05)。
然后你是说然后我使用不同的“一组假设”设置这样的拟合优度：
Ho：该模型对于确定我的 y 变量具有统计意义
哈：该模型在确定我的 y 变量时没有统计学意义。
因为在我的脑海中和我的数据的背景下，这是让我的整个测试表明模型是显着的，然后让我的拟合优度统计表明模型拟合良好的唯一方法。
Re: 偏差拟合优度测试谢谢！ 我只是想确保在这种情况下它们是从传统的假设检验中翻转过来的，并且您不想要显着的 p 值！
Re: 偏差拟合优度测试拟合优度有两个测试。 这两个假设检验假设拟合良好（零假设）。 备择假设（检验）是缺乏拟合。 他们都估计卡方样本统计量。 它们都基于完整模型（拟合）和饱和模型之间负对数似然的变化。 显着测试表明缺乏拟合。 Pearson 测试较旧。
估计卡方的两种方法产生非常相似的估计。 alpha（所需的显着性水平）的选择取决于您，但您的示例似乎没有表现出不适合。
