রিগ্রেশন-এ ওয়াল্ড পরীক্ষা (ওএলএস এবং জিএলএম): টি- বনাম জেড-বিতরণ

22

আমি বুঝি যে রিগ্রেশন কোফিসিয়েন্টস জন্য Wald, পরীক্ষা নিম্নলিখিত সম্পত্তি যে এসিম্পটোটিকভাবে ঝুলিতে উপর ভিত্তি করে তৈরি (যেমন ওয়েসারম্যান (2006): পরিসংখ্যান সকল , পৃষ্ঠা 153, 214-215): কোথায়আনুমানিক রিগ্রেশন সহগ, উল্লেখ করেরিগ্রেশন সহগ আদর্শ ত্রুটি উল্লেখ করে এবং(সুদের মানসাধারণত 0 সহগ 0 থেকে উল্লেখযোগ্যভাবে পৃথক কিনা তা পরীক্ষা করতে। সুতরাং আকারওয়াল্ড পরীক্ষা:কখনপ্রত্যাখ্যান করুন

\frac{(\hat{β} - β_{0})}{\hat{SE} (\hat{β})} ~ এন (0, 1)

$\frac{(\hat{\beta}-\beta_{0})}{\widehat{\operatorname{se}}(\hat{\beta})}\sim \mathcal{N}(0,1)$

\hat{β}

$\hat{\beta}$

\hat{se} (\hat{β})

$\widehat{\operatorname{se}}(\hat{\beta})$

β_{0}

$\beta_{0}$

β_{0}

$\beta_{0}$

α

$\alpha$

H_{0}

$H_{0}$

যেখানে

| W | > z_{α / 2}

$|W|> z_{\alpha/2}$

W = \frac{\hat{β}}{\hat{se} (\hat{β})} .

$W=\frac{\hat{\beta}}{\widehat{\operatorname{se}}(\hat{\beta})}.$

আপনি যখন lmআর এর সাথে লিনিয়ার রিগ্রেশন করেন , তখন ভ্যালু এর পরিবর্তে ভ্যালু ব্যবহার করা হয় যদি রিগ্রেশন সহগগুলি 0 (সহ ) থেকে উল্লেখযোগ্যভাবে পৃথক হয় । তদ্ব্যতীত , আর এর আউটপুটটি কখনও কখনও - এবং কখনও কখনও টেস্টের পরিসংখ্যান হিসাবে মান দেয় । দৃশ্যত, -values যখন বিচ্ছুরণ প্যারামিটার পরিচিতি লাভ এবং অধিকৃত হয় ব্যবহার করা হয় -values যখন বিচ্ছুরণ প্যারামিটার esimated হয় ব্যবহার করা হয় (দেখুন এই লিঙ্কে )। $t$ $z$ summary.lmglm $z$ $t$ $z$ $t$

কেউ ব্যাখ্যা করতে পারেন, কোটির গুণমানের অনুপাত এবং এর স্ট্যান্ডার্ড ত্রুটিটি স্ট্যান্ডার্ড স্বাভাবিক হিসাবে বিতরণ হিসাবে ধরা হলেও এমনকী কেন কখনও কখনও ওয়াল্ড পরীক্ষার জন্য বিতরণ ব্যবহার করা হয়? $t$

প্রশ্নের উত্তর দেওয়ার পরে সম্পাদনা করুন

এই পোস্টটি প্রশ্নের দরকারী তথ্য সরবরাহ করে।

r regression hypothesis-testing generalized-linear-model

— COOLSerdash
সূত্র

2

আপনি কী ভাবছেন যে পরীক্ষার পরিসংখ্যানটি রিপোর্ট করা হচ্ছে অগত্যা একটি ওয়াল্ড পরীক্ষা?

— গ্লেন_বি -রিনস্টেট মনিকা

3

কারণ

- অথবা

-values সবসময় সহগ তার মান ত্রুটি দ্বারা বিভক্ত হয় এবং ।

z

$z$

t

$t$ lmglm

— COOLSerdash

20

পোইসন glmবিতরণ ব্যবহার করে আউটপুট একটি ভ্যালু দেয় কারণ পোইসন বিতরণের সাথে গড় এবং ভেরিয়েন্স প্যারামিটার একই। পোইসন মডেলটিতে আপনাকে কেবল একটি একক প্যারামিটার ( ) অনুমান করতে হবে । একটি যেখানে আপনি উভয় একটি গড় অনুমান করার আছে এবং বিচ্ছুরণ পরামিতি, আপনি দেখতে পাবেন ব্যবহৃত -distribution। $z$ $\lambda$ glm $t$

একটি স্ট্যান্ডার্ড লিনিয়ার রিগ্রেশন জন্য, আপনি ধরে নিন যে ত্রুটি শব্দটি সাধারণত বিতরণ করা হয়। এখানে, ভেরিয়েন্স প্যারামিটারটি অনুমান করতে হবে - সুতরাং পরীক্ষার পরিসংখ্যানগুলির জন্য বিতরণ ব্যবহার। আপনি যদি কোনওভাবে ত্রুটি শর্তের জন্য জনসংখ্যার বৈচিত্রটি জানতেন তবে আপনি তার পরিবর্তে একটি সর্বোচ্চ পরিসংখ্যান ব্যবহার করতে পারেন । $t$ $z$

$t$

— wcampbell
সূত্র

3

জিএলএম কাঠামোতে, সাধারণভাবে, আপনি যে ডাব্লু টেস্টের পরিসংখ্যান উল্লেখ করেছেন তা অসম্পূর্ণভাবে সাধারণ বিতরণ করা হয়, এজন্য আপনি আরআর z এর মানগুলিকে দেখেন ।

যে ছাড়াও, যখন একটি রৈখিক মডেল, অর্থাত একটি সাধারন বিতরণ প্রতিক্রিয়া পরিবর্তনশীল সঙ্গে GLM সঙ্গে যখন কারবারী, পরীক্ষার পরিসংখ্যান বিতরণের হয় একটি স্টুডেন্টস টি , তাই আর আপনি টি মান।

— EdoLu
সূত্র