আমি ডেটা সম্পর্কিত করেছি এবং আগ্রহের পূর্বাভাসক ব্যক্তির জন্য পৃথক স্তর (শর্তসাপেক্ষ) প্রভাবটি অনুমান করার জন্য একটি লজিস্টিক রিগ্রেশন মিশ্র প্রভাবগুলির মডেলটি ব্যবহার করছি। আমি জানি যে প্রমিত প্রান্তিক মডেলগুলির জন্য, ওয়াল্ড পরীক্ষা ব্যবহার করে মডেল প্যারামিটারগুলির অনুপাত সম্ভাবনা অনুপাত এবং স্কোর পরীক্ষার জন্য সামঞ্জস্যপূর্ণ। এগুলি সাধারণত প্রায় একই রকম। যেহেতু ওয়াল্ড গণনা করা সহজ এবং আর আউটপুটে উপলব্ধ, আমি সেই 99% সময়টি ব্যবহার করি।
তবে, একটি মিশ্র প্রভাবগুলির মডেলটি সহ, আমি স্থির প্রভাবগুলির জন্য ওয়াল্ড পরীক্ষার মধ্যে একটি বিশাল পার্থক্য দেখতে আগ্রহী হয়েছিলাম, কারণ তারা আর-তে মডেল আউটপুটে রিপোর্ট করা হয়েছে, এবং "হাত দ্বারা" সম্ভাবনা অনুপাত পরীক্ষায় - যার সাথে জড়িত আসলে হ্রাস মডেল ফিটিং। স্বজ্ঞাতভাবে, আমি দেখতে পাচ্ছি কেন এটি একটি বিশাল পার্থক্য করতে পারে, কারণ হ্রাস করা মডেলটিতে, এলোমেলো প্রভাবের বৈচিত্রটি পুনরায় অনুমান করা হয় এবং সম্ভাবনাটিকে যথেষ্ট পরিমাণে প্রভাবিত করতে পারে।
কেউ ব্যাখ্যা করতে পারেন
- কীভাবে ওয়াল্ড পরীক্ষার পরিসংখ্যানগুলি স্থির প্রভাবের জন্য আর-তে গণনা করা হয়?
- মিশ্র প্রভাবগুলির মডেলটির আনুমানিক মডেল পরামিতিগুলির জন্য তথ্য ম্যাট্রিক্স কী? (এবং ওয়াল্ড পরীক্ষার পরিসংখ্যান গণনা করা একই ম্যাক্স?)
- আমি বর্ণিত ক্ষেত্রে দুটি পরীক্ষার ফলাফলের মধ্যে ব্যাখ্যার মধ্যে পার্থক্য কী? কোনটি সাধারণত সাহিত্যে অনুপ্রেরণার জন্য ব্যবহার করা হয় এবং ব্যবহার করা হয়?