শুরু করার জন্য আপনাকে সমতুল্য ধারণাটি সংজ্ঞায়িত করতে হবে । কেউ ভাবতে পারেন যে দুটি মডেল সমান সমান যখন তারা প্রায় একই পূর্বাভাসের নির্ভুলতা তৈরি করে (এটি সময় সিরিজ এবং প্যানেল ডেটার জন্য প্রাসঙ্গিক হবে), অন্য মডেলটির ফিটগুলি নিকটে থাকলে তাতে আগ্রহী হতে পারে । পূর্ববর্তীটি বিভিন্ন ক্রস-বৈধকরণের জন্য অবজেক্ট (জ্যাক-ছুরি সাধারণত বা কিছু নমুনা পরীক্ষার বাইরে থাকে, রব accuracy()
এটি দুর্দান্তভাবে করে), পরবর্তীকালে কিছু তথ্য মানদণ্ডকে হ্রাস করতে হয়।
মাইক্রোকোনোমেট্রিক্সে পছন্দটি , যদিও আপনি যদি ছোট ছোট নমুনা আকারের সাথে কাজ করছেন তবে আপনি বিবেচনা করতে পারেন । দ্রষ্টব্য, তথ্য মানদণ্ডকে হ্রাস করার উপর ভিত্তি করে পছন্দটি নেস্টেড মডেলগুলির জন্যও প্রাসঙ্গিক।BICAIC
ক্যামেরন এবং ত্রিবেদী রচিত (অবশ্যই অধ্যায় 8.5 পদ্ধতিগুলির সর্বোত্তম পর্যালোচনা সরবরাহ করে) বইটিতে একটি সুন্দর আলোচনা দেওয়া হয়েছে , আরও নির্দিষ্ট তাত্ত্বিক বিবরণ এখানে হংক এবং প্রেস্টনে পাওয়া যায় ।
মোটামুটিভাবে বলতে গেলে, দুটি মডেল থেকে আরও পার্সামোনিয়াস বেছে নেওয়া (অনুমানের জন্য কম পরামিতি থাকা, অতএব স্বাধীনতার আরও বেশি ডিগ্রি) ভাল হিসাবে বিবেচিত হবে। একটি তথ্য মাপদণ্ড একটি বিশেষ পেনাল্টি ফাংশন প্রবর্তন করে যা অতিরিক্ত ব্যাখ্যামূলক ভেরিয়েবলগুলিকে রৈখিক মডেলটিতে অন্তর্ভুক্তিকে সংহত করে যেগুলি সামঞ্জস্য করা দ্বারা প্রবর্তিত বিধিনিষেধের সাথে ধারণামূলকভাবে অনুরূপR2
LRJ
শেষ পর্যন্ত, ট্যাগ অনুসারে, আপনি কেবল R
ফাংশনে আগ্রহী হতে পারেন :
library(lmtest)
coxtest(fit1, fit2)
jtest(fit1, fit2)
fit1
fit2
coxtest
LRjtest
J