মডেল সম্ভাবনা নাল তুলনায় উল্লেখযোগ্যভাবে বেশি না হয় যখন (জিএএম) রিগ্রেশন সহগের তাত্পর্য

Question

আমি আর প্যাকেজ গ্যামলস ব্যবহার করে একটি গ্যাম-ভিত্তিক রিগ্রেশন চালাচ্ছি এবং ডেটা শূন্য-স্ফীত বিটা বিতরণ ধরে নিচ্ছি । আমি আমার মডেল শুধুমাত্র একটি একক ব্যাখ্যামূলক পরিবর্তনশীল আছে তাই এটি মূলত আছে: mymodel = gamlss(response ~ input, family=BEZI)।

অ্যালগরিদম আমাকে ব্যাখ্যামূলক ভেরিয়েবলকে গড় ( μ ) এবং K ( ইনপুট ) = 0 এর জন্য সম্পর্কিত পি-ভ্যালুতে এর প্রভাবের জন্য গুণনীয় দেয় :$k$$\mu$$k(\text{input})=0$

Mu link function:  logit                                               
Mu Coefficients:                                                      
              Estimate  Std. Error  t value   Pr(>|t|)                  
(Intercept)  -2.58051     0.03766  -68.521  0.000e+00                  
input        -0.09134     0.01683   -5.428  6.118e-08

আপনি উপরের উদাহরণে দেখতে পারেন, এর হাইপোথিসিস উচ্চ আত্মবিশ্বাসের সাথে প্রত্যাখ্যান করা হয়েছে।$k(\text{input})=0$

আমি তখন নাল মডেলটি চালনা করি: null = gamlss(response ~ 1, family=BEZI)এবং সম্ভাবনা-অনুপাতের পরীক্ষা ব্যবহার করে সম্ভাবনাগুলি তুলনা করি:

p=1-pchisq(-2*(logLik(null)[1]-logLik(mymodel)[1]), df(mymodel)-df(null)).

বেশ কয়েকটি ক্ষেত্রে, আমি পেয়েছি এমনকি যখন ইনপুটটিতে গুণফলগুলি অত্যন্ত তাত্পর্যপূর্ণ (উপরে হিসাবে) হিসাবে রিপোর্ট করা হয়। আমি এটিকে বেশ অস্বাভাবিক মনে করি - লিনিয়ার বা লজিস্টিক রিগ্রেশন নিয়ে আমার অভিজ্ঞতায় কমপক্ষে এটি কখনও ঘটেনি (বাস্তবে, আমি যখন গ্যাম্লাসের সাথে শূন্য-সমন্বিত গামা ব্যবহার করছিলাম তখন এটি কখনও ঘটেনি)।$p>0.05$

আমার প্রশ্নটি: আমি কি এখনও প্রতিক্রিয়া এবং ইনপুটগুলির মধ্যে নির্ভরতার উপর নির্ভর করতে পারি যখন এই ঘটনাটি ঘটে?

Answer 1

এটি GAM এর সাথে সম্পর্কিত হওয়া উচিত বলে কোন তাত্ক্ষণিক কারণ আমি দেখতে পাচ্ছি না। আসল বিষয়টি হ'ল আপনি একই জিনিসটির জন্য দুটি পরীক্ষা ব্যবহার করছেন। যেহেতু পরিসংখ্যানগুলির মধ্যে কোনও নিখুঁত নিশ্চিততা নেই, সুতরাং একটির পক্ষে একটি গুরুত্বপূর্ণ ফলাফল দেওয়া এবং অন্যটি না দেওয়া খুব সম্ভব।

সম্ভবত দুটি পরীক্ষার মধ্যে একটি কেবল আরও শক্তিশালী (তবে তারপরে সম্ভবত আরও কিছু অনুমানের উপর নির্ভর করে), অথবা সম্ভবত একক উল্লেখযোগ্যটি হ'ল আপনার এক-বিশ-বিশ প্রকারের ত্রুটি।

নমুনা একই বিতরণ থেকে আসে কিনা এর জন্য পরীক্ষাগুলি হ'ল: এর জন্য আপনার খুব প্যারামিট্রিক পরীক্ষা রয়েছে (টি-টেস্ট এমন একটি যা এর জন্য ব্যবহার করা যেতে পারে: যদি উপায়গুলি আলাদা হয়, তবে বিতরণ করা উচিত), এবং অপরিমিতি একটি: এটি ঘটতে পারে যে প্যারামিমেট্রিক একটি গুরুত্বপূর্ণ ফলাফল দেয় এবং ননপ্যারমেট্রিক কোনওটি দেয় না। এই হতে পারে কারণ স্থিতিমাপ পরীক্ষার অনুমান, মিথ্যা, কারণ ডাটা (আমি টাইপ) কেবল অসাধারণ হয়, অথবা কারণ নমুনা আকার যথেষ্ট nonparametric পরীক্ষা পার্থক্য নিতে জন্য নয়, বা, পরিশেষে কারণ দৃষ্টিভঙ্গি এর আপনি যা পরীক্ষা করতে চান (বিভিন্ন বিতরণ) যা বিভিন্ন পরীক্ষাগুলি দ্বারা পরীক্ষা করা হয় তা একেবারেই আলাদা (ভিন্ন উপায় <-> "" এর চেয়ে বেশি "হওয়ার সম্ভাবনা)।

যদি একটি পরীক্ষার ফলাফল উল্লেখযোগ্য ফলাফল দেখায় এবং অন্যটি কেবল সামান্য অ-তাত্পর্যপূর্ণ হয় তবে আমি খুব বেশি চিন্তা করব না।