আর, জুলিয়ান জে ফারাওয়ে (পৃষ্ঠা 59) এর সাথে লিনিয়ার মডেল প্রসারিত বইতে আমি সিউডো এর একটি সূত্র পেয়েছি ।
।
এটি কি জিএলএমগুলির জন্য সিউডো একটি সাধারণ সূত্র ?
আর, জুলিয়ান জে ফারাওয়ে (পৃষ্ঠা 59) এর সাথে লিনিয়ার মডেল প্রসারিত বইতে আমি সিউডো এর একটি সূত্র পেয়েছি ।
।
এটি কি জিএলএমগুলির জন্য সিউডো একটি সাধারণ সূত্র ?
উত্তর:
জাল- সংখ্যক আছে GLiMs জন্য গুলি। দুর্দান্ত ইউসিএলএ পরিসংখ্যান সহায়তা সাইটের এখানে সেগুলির একটি বিস্তৃত ওভারভিউ রয়েছে । আপনি যে তালিকাবদ্ধ করেছেন তাকে ম্যাকফ্যাডেনের সিউডো- আর 2 বলা হয় । ইউসিএলএর টাইপোলজির সাথে সম্পর্কিত, এটি আর -2 এর মতো এটি অর্থে যে এটি নাল মডেলের তুলনায় লাগানো মডেলের উন্নতির সূচক করে। কিছু পরিসংখ্যান সংক্রান্ত সফ্টওয়্যার, উল্লেখযোগ্যভাবে এসপিএস, যদি আমি সঠিকভাবে স্মরণ করি তবে ম্যাকফ্যাডেনের সিউডো- আর 2 প্রিন্ট করে ডিফল্টরূপে লজিস্টিক রিগ্রেশন সম্পর্কিত কিছু বিশ্লেষণ থেকে প্রাপ্ত ফলাফল নিয়ে, তাই আমার সন্দেহ হয় যে এটি বেশ সাধারণ, যদিও কক্স অ্যান্ড স্নেল এবং নাগেলকার্কে সিউডো- আর 2 এস আরও বেশি হতে পারে। তবে ম্যাকফ্যাডেনের সিউডো- বৈশিষ্ট্য সব আছে নেই আর 2 (কোন ছদ্ম- আর 2 না)। যদিকোনও মডেল বুঝতেকেউ ছদ্ম- আর 2 ব্যবহার করতে আগ্রহী হন, আমিদৃ excellent়ভাবেএই দুর্দান্ত সিভি থ্রেডটি পড়ার পরামর্শ দিচ্ছি:লজস্টিক রিগ্রেশন (কক্স অ্যান্ড স্নেল বা নাগেলকার্কে) এর জন্য রিপোর্ট করাকোন সিউডো- আর 2 মাপ? (এটির মূল্যের জন্য, আর 2 নিজেই লোকেরা যতটা বুঝতে পেরেছেন, তার চেয়ে কম পিছু হটানো যায়, এর একটি দুর্দান্ত প্রদর্শন এখানে @ হোবারের উত্তরে দেখা যায়: আর 2 কিকার্যকর বা বিপজ্জনক?)
আর আউটপুটটিতে নাল এবং অবশিষ্টাংশের বিচ্যুতি দেয় glm
যাতে আপনি ঠিক এই ধরণের তুলনা করতে পারেন (নীচের শেষ দুটি লাইন দেখুন)।
> x = log(1:10)
> y = 1:10
> glm(y ~ x, family = poisson)
>Call: glm(formula = y ~ x, family = poisson)
Coefficients:
(Intercept) x
5.564e-13 1.000e+00
Degrees of Freedom: 9 Total (i.e. Null); 8 Residual
Null Deviance: 16.64
Residual Deviance: 2.887e-15 AIC: 37.97
এছাড়াও আপনি সঙ্গে বস্তুর বাইরে এই মান টান করতে পারেন model$null.deviance
এবংmodel$deviance
আপনার প্রস্তাবিত সূত্রটি ম্যাডডালা (1983) এবং ম্যাজি (1990) প্রস্তাব করেছিল লজিস্টিক মডেলের আর স্কোয়ারটি অনুমান করার জন্য। অতএব আমি মনে করি না এটি সমস্ত গ্ল্যাম মডেলের জন্য প্রযোজ্য (266 পৃষ্ঠায় টমাস পি। রায়ান রচিত আধুনিক আধুনিকতা পদ্ধতির বইটি দেখুন)।
যদি আপনি কোনও নকল ডেটা সেট করেন তবে আপনি দেখতে পাবেন যে এটি উদাহরণস্বরূপ গাউসিয়ান গ্ল্যামের জন্য আর স্কোয়ারকে কম মূল্যায়ন করবে।
আমি মনে করি কোনও গাউসিয়ান গ্ল্যামের জন্য আপনি প্রাথমিক (এলএম) আর স্কোয়ার্ড সূত্র ব্যবহার করতে পারেন ...
R2gauss<- function(y,model){
moy<-mean(y)
N<- length(y)
p<-length(model$coefficients)-1
SSres<- sum((y-predict(model))^2)
SStot<-sum((y-moy)^2)
R2<-1-(SSres/SStot)
Rajust<-1-(((1-R2)*(N-1))/(N-p-1))
return(data.frame(R2,Rajust,SSres,SStot))
}
এবং লজিস্টিকের জন্য (বা আর দ্বিপদী পরিবার) আপনার প্রস্তাবিত সূত্রটি আমি ব্যবহার করব ...
R2logit<- function(y,model){
R2<- 1-(model$deviance/model$null.deviance)
return(R2)
}
এখনও অবধি পিসন গ্ল্যামের জন্য আমি এই পোস্টটি থেকে সমীকরণটি ব্যবহার করেছি।
গবেষণাগারগুলির জন্য সিউডো আর 2-তে একটি দুর্দান্ত নিবন্ধও রয়েছে ... এখানে লিঙ্কটি দেওয়া হল:
আমি এই সাহায্য আশা করি।
1-summary(GLM)$deviance/summary(GLM)$null.deviance
এবং আপনি দেখতে পাবেন যে আর 2 একটি নিয়মিত ওএলএস রিগ্রেশন এর আর 2 মানের সাথে মেলে, তাই উপরের উত্তরটি সঠিক! এখানে আমার পোস্টটিও
আর প্যাকেজ modEvA
হিসাব ডি-স্কোয়ারড
যেমন 1 - (mod$deviance/mod$null.deviance)
যেমন ডেভিড জে হ্যারিস উল্লেখ
set.seed(1)
data <- data.frame(y=rpois(n=10, lambda=exp(1 + 0.2 * x)), x=runif(n=10, min=0, max=1.5))
mod <- glm(y~x,data,family = poisson)
1- (mod$deviance/mod$null.deviance)
[1] 0.01133757
library(modEvA);modEvA::Dsquared(mod)
[1] 0.01133757
মডেলটির ডি-স্কোয়ার্ড বা ব্যাখ্যাযুক্ত ডিভ্যান্স চালু করা হয়েছে (গুইসান এবং জিমারম্যান 2000) https://doi.org/10.1016/S0304-3800(00)00354-9
Colin Cameron, A., & Windmeijer, F. A. (1997). An R-squared measure of goodness of fit for some common nonlinear regression models. Journal of Econometrics, 77(2), 329-342.