আপনার দুটি লজিস্টিক রিগ্রেশন মডেল থেকে আপনার প্যারামিটার অনুমান, এবং (যেখানে দ্বিতীয় সাবস্ক্রিপ্টটি মডেলটিকে বোঝায়) এবং তাদের স্ট্যান্ডার্ড ত্রুটি থাকতে হবে। নোট করুন যে এগুলি লগ প্রতিক্রিয়াগুলির স্কেলে রয়েছে এবং এটি আরও ভাল them এগুলি বৈষম্য অনুপাতগুলিতে রূপান্তর করার দরকার নেই। যদি আপনারβ^11β^12Nগুলি যথেষ্ট, এগুলি সাধারণত বিতরণ করা হবে, যেমন @ এসএসডেকট্রোল ব্যাখ্যা করেছেন। লজিস্টিক রিগ্রেশন আউটপুট সহ স্ট্যান্ডার্ড আসা ওয়াল্ড পরীক্ষাগুলি ধরে নেয় তারা সাধারণত বিতরণ করা হয়, উদাহরণস্বরূপ। এছাড়াও, যেহেতু তারা বিভিন্ন মডেল থেকে বিভিন্ন ডেটা নিয়ে এসেছে তাই আমরা তাদের স্বাধীন হিসাবে বিবেচনা করতে পারি। আপনি যদি সেগুলি সমান হয় কিনা তা পরীক্ষা করতে চান, এটি সাধারণভাবে বিতরণ করা প্যারামিটার অনুমানগুলির একটি লিনিয়ার সংমিশ্রণটি পরীক্ষা করে চলেছে, এটি করা বেশ মানক জিনিস। আপনি নিম্নলিখিত হিসাবে একটি পরীক্ষার পরিসংখ্যান গণনা করতে পারেন:
resulting ফলাফলের স্ট্যাটিস্টিককে ভ্যালুটি গণনা করার জন্য একটি আদর্শ সাধারণ বিতরণের সাথে তুলনা করা যেতে পারে ।
Z=β^12−β^11SE(β^12)2+SE(β^11)2−−−−−−−−−−−−−−−−−√
Zp
আত্মবিশ্বাসের ব্যবধানগুলি সম্পর্কে উদ্ধৃতিটি প্রকৃতির কিছুটা হিউরিস্টিক (যদিও সঠিক)। তাৎপর্য গণনা করার জন্য আপনার এটি ব্যবহার করার চেষ্টা করা উচিত নয়।