Мера согласия статистической модели
В статистике отклонение — это показатель согласия статистической модели ; его часто используют для проверки статистических гипотез . Это обобщение идеи использования суммы квадратов остатков (SSR) в обычном методе наименьших квадратов на случаи, когда подгонка модели достигается за счет максимального правдоподобия . Он играет важную роль в моделях экспоненциальной дисперсии и обобщенных линейных моделях .
Отклонение может быть связано с расхождением Кульбака-Лейблера . [1]
Определение
Единичное отклонение [2] [3] представляет собой двумерную функцию, удовлетворяющую следующим условиям:
Общее отклонение модели с предсказаниями наблюдения представляет собой сумму ее единичных отклонений: .
(Общее) отклонение для модели M 0 с оценками , основанными на наборе данных y , может быть построено по ее правдоподобию как: [4] [5]
Здесь обозначены подобранные значения параметров в модели M 0 , а обозначены подобранные параметры для насыщенной модели : оба набора подобранных значений являются неявными функциями наблюдений y . Здесь насыщенная модель — это модель с параметром для каждого наблюдения, позволяющая точно подгонять данные. Это выражение просто в 2 раза превышает логарифмическое отношение правдоподобия полной модели по сравнению с сокращенной моделью. Отклонение используется для сравнения двух моделей – особенно в случае обобщенных линейных моделей (GLM), где оно играет роль, аналогичную остаточной сумме квадратов ANOVA в линейных моделях ( RSS ).
Предположим, в рамках GLM у нас есть две вложенные модели , M 1 и M 2 . В частности, предположим, что M 1 содержит параметры из M 2 и k дополнительных параметров. Затем, при нулевой гипотезе о том, что M 2 является истинной моделью, разница между отклонениями для двух моделей следует, основываясь на теореме Уилкса , приблизительному распределению хи-квадрат с k - степенями свободы. [5] Это можно использовать для проверки гипотезы об отклонении.
Некоторое использование термина «отклонение» может сбить с толку. По словам Коллетта: [6]
- «величину иногда называют отклонением . Это [...] неуместно, поскольку, в отличие от отклонения, используемого в контексте обобщенного линейного моделирования, оно не измеряет отклонение от модели, которая идеально соответствует данным».
Однако, поскольку основное использование заключается в разнице отклонений двух моделей, эта путаница в определениях не имеет значения.
Примеры
Единичное отклонение для распределения Пуассона равно , единичное отклонение для нормального распределения определяется выражением .
Смотрите также
Примечания
- ^ Хасти, Тревор. «Более пристальный взгляд на отклонение». Американский статистик 41.1 (1987): 16–20.
- ^ Йоргенсен, Б. (1997). Теория моделей дисперсии . Чепмен и Холл.
- ^ Песня, Петр X. -К. (2007). Анализ коррелированных данных: моделирование, аналитика и приложения . Серия Спрингера по статистике. Серия Спрингера по статистике. дои : 10.1007/978-0-387-71393-9. ISBN 978-0-387-71392-2.
- ^ Нелдер, Дж. А .; Веддерберн, RWM (1972). «Обобщенные линейные модели». Журнал Королевского статистического общества. Серия А (Общая) . 135 (3): 370–384. дои : 10.2307/2344614. JSTOR 2344614. S2CID 14154576.
- ^ аб МакКаллах и Нелдер (1989): стр. 17.
- ^ Коллетт (2003): стр. 76.
Рекомендации
- Коллетт, Дэвид (2003). Моделирование данных о выживаемости в медицинских исследованиях, второе издание . Чепмен и Холл/CRC. ISBN 1-58488-325-1.
Внешние ссылки
- Обобщенные линейные модели - Эдвард Ф. Коннор
- Конспекты лекций по девиантности