আর-তে ধাপে ধাপে রিগ্রেশন - সমালোচক পি-মান

Question

step()ধাপে ধাপে সংক্ষিপ্তকরণের জন্য আর এ ফাংশন দ্বারা ব্যবহৃত সমালোচক পি-মানটি কী ? আমি ধরে নিলাম এটি 0.15, তবে আমার ধারণাটি কি সঠিক? আমি কীভাবে সমালোচনামূলক পি-মানটি পরিবর্তন করতে পারি?

Comments

আর এর 'পদক্ষেপ' ফাংশনটি এআইসি ভিত্তিক।

— মাইকেল এম

ধাপে ধাপে মডেল নির্বাচনের রুটিনগুলি মোটেও ব্যবহার না করা ভাল। কেন তা বুঝতে, এটি আপনাকে আমার উত্তরটি পড়তে এখানে সহায়তা করতে পারে: স্বয়ংক্রিয় মডেল নির্বাচনের জন্য অ্যালগরিদম ।

— গুং - মনিকা পুনরায়

@ মাইকেলমায়েরের মন্তব্যে আরও: Descriptionসহায়তা পৃষ্ঠার অংশটি ?stepসম্পূর্ণরূপে বলতে: এআইসি দ্বারা সূত্র ভিত্তিক একটি মডেল নির্বাচন করুন।

— স্টিফান কোলাসা

Answer 1

আমি যেমন আপনার অন্যান্য প্রশ্নে আমার মন্তব্যে ব্যাখ্যা করেছি, stepপি-মানগুলির পরিবর্তে এআইসি ব্যবহার করে।

তবে এর জন্য একক একটি সময়ে পরিবর্তনশীল, এআইসি করে মিলা 0.15 একটি পি-মান ব্যবহার করে (বা আরো ভালো হবে, 0.1573):

দুটি মডেলের তুলনা বিবেচনা করুন, যা একক চলক দ্বারা পৃথক। মডেলগুলিকে (আরও ছোট মডেল) এবং (বৃহত্তর মডেল) কল করুন এবং তাদের এআইসির যথাক্রমে এবং ।এম 1 এআইসি 0 এআইসি $\cal{M}_0$$\cal{M}_1$$\text{AIC}_0$$\text{AIC}_1$

এআইসির মানদণ্ড ব্যবহার করে, আপনি যদি model তবে বৃহত্তর মডেলটি ব্যবহার । এটি যদি কেস । - 2 লগ এল 0 - ( - 2 লগ এল 1 ) > $\text{AIC}_1<\text{AIC}_0$$-2\log\cal{L_0}-(-2\log\cal{L_1})>2$

তবে এটি সম্ভবত সম্ভাবনা অনুপাত পরীক্ষায় পরিসংখ্যান। উইলক্সের উপপাদ্য থেকে, যদি পরিসংখ্যানগুলি এর উপরের কোয়ান্টাইলের বেশি হয় তবে আমরা নালটিকে প্রত্যাখ্যান করব । সুতরাং আমরা যদি ছোট মডেল এবং বৃহত্তর মধ্যে একটি চয়ন করার জন্য একটি হাইপোথিসিস পরীক্ষা ব্যবহার করি, আমরা যখন ।χ 2 1 - 2 লগ এল 0 - ( - 2 লগ এল 1 ) > সি $\alpha$$\chi^2_1$$-2\log\cal{L_0}-(-2\log\cal{L_1})>C_\alpha$

এখন a এর 84.27 শতাংশে রয়েছে । তাই, যদি আমরা ছোট এআইসি থাকে তখন আমরা যদি বৃহত্তর মডেলটি বেছে , এটি বা এর পি-ভ্যালু সহ অতিরিক্ত টার্মের পরীক্ষার জন্য নাল অনুমানকে প্রত্যাখার সাথে সম্পর্কিতχ 2 1 1 - 0.843 = 0.157 15.7 $2$$\chi^2_1$$1-0.843=0.157$$15.7\%$

---

তাহলে আপনি এটি কীভাবে সংশোধন করবেন?

সহজ। 2 থেকে অন্য কিছুতে kপ্যারামিটারটি পরিবর্তন করুন step। আপনি তার পরিবর্তে 10% চান? এটি 2.7 করুন:

qchisq(0.10,1,lower.tail=FALSE)
[1] 2.705543

আপনি 2.5% চান? সেট করুন k=5:

qchisq(0.025,1,lower.tail=FALSE)
[1] 5.023886

ইত্যাদি।

---

তবে, যদিও এটি আপনার প্রশ্নের সমাধান করে, আমি আপনাকে পরামর্শ দিচ্ছি যে আপনার অন্য প্রশ্নে ফ্র্যাঙ্ক হ্যারেলের জবাবের প্রতি গভীর মনোযোগ দিন এবং পদক্ষেপের সাথে সামঞ্জস্যতা সম্পর্কিত অন্যান্য প্রশ্নে মহান স্ট্যাটিস্টিস্টদের কাছ থেকে প্রতিক্রিয়াগুলি সন্ধান করতে এখানে পরামর্শ দেওয়া হয়েছে, যা পরামর্শটি খুব পছন্দ করে ধারাবাহিকভাবে ধাপে ধাপে ধাপে ধাপে কার্যকরভাবে এড়াতে।

Comments

সুন্দর ব্যাখ্যা। আপনি কি জানেন যে এটি সাধারণ রিগ্রেশন টি-পরীক্ষার পি-মানগুলির জন্য প্রায় সত্যই ধরে রাখে?

— বেন ওগোরেক

দুঃখিত বেন, আমি "এটি" কী বোঝায় তা আমি 100% নিশ্চিত নই। আপনি কি বলছেন "আমি কি উপরোক্ত পদ্ধতিটি ব্যবহার করতে পারি যেখানে আপনি দেখিয়েছেন যে কীভাবে 10% এবং 2.5% এ পরীক্ষা করাতে 5% পরীক্ষা করা যায়?" যদি তাই হয় উত্তর "অবশ্যই, হ্যাঁ" ... কিন্তু চূড়ান্ত বাক্য - যা যে পয়েন্ট আউট যদিও আপনি চেহারা হচ্ছে আপনি কিছু নামমাত্র পর্যায়ে পরীক্ষা করছি, প্রকৃত টাইপ আমি ভুল হার তাদের নামমাত্র মান মত কিছুই হয় । অন্য কথায়, আপনি ব্যবহারের জন্য একটি মান গণনা করতে পারেন, এবং এটি step তে ধাপে ধাপে সেট করার সমতুল্য হওয়া উচিত ... তবে প্রকৃত তাত্পর্য স্তর এখনও 5% হবে না। এটির মধ্যে কেবল একটি ... (সিটিডি)$\alpha=0.05$

— গ্লেন_বি -রিনস্টেট মনিকা

(সিটিডি) ... ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ফেলা হচ্ছে অন্যদের মধ্যে পক্ষপাতদুষ্ট অনুমান এবং মান ত্রুটিগুলি রয়েছে যা খুব কম।

— গ্লেন_বি -রিনস্টেট মনিকা

ধাপে ধাপে মডেল নির্বাচনের সমস্যাগুলি মুহুর্তে একদিকে রেখে, আমি ছোট এআইসি => .1573 পি-মান নিয়মকে সাধারণীকরণে আগ্রহী। আপনার বর্ণিত সম্ভাবনা অনুপাতের পি-মানটি ভাল, তবে আর এর এলএম এর মতো রুটিনগুলিতে, অনুমান / স্টাডি.অরকে একটি টি-বিতরণের সাথে তুলনা করা হচ্ছে। এটি একটি ভিন্ন পরীক্ষা, এবং আমি ভাবছিলাম যে আপনার .1573 ফলাফলটি প্রায় ধরে রাখতে পারে।

— বেন ওগোরেক

বেন: হ্যাঁ .1573 অ্যাসিপটোটিক (স্বাভাবিকের ভিত্তিতে; এটি কেবলমাত্র সঠিক হবে)। আমি মনে করি আপনি -এর জন্য স্টেপএআইসি-র সাথে সম্পর্কিত পি-মানটি গণনা করতে পারবেন , যেহেতু এটি কেবল আপনার সমস্যার মুক্তির ডিগ্রির উপর নির্ভর করবে (যেমন আমি মনে করি এটি 200 ডিএফের জন্য 0.1579); ফলস্বরূপ আপনার পছন্দসই ব্যাকআপ করতে সক্ষম হওয়া উচিত । @ নিক এটি সবচেয়ে আকর্ষণীয় প্রথম নজরে আমি মনে করি না গণনার মধ্যে একটি সরাসরি সংযোগ আছে - তারা একই পরিমাণ গণনা করছে, তবে বিভিন্ন কারণে। $t$$k$

— গ্লেন_বি -রিনস্টেট মনিকা

Answer 2

উপরে যেমন বলা হয়েছে, stepআর-তে ফাংশনটি এআইসির মানদণ্ডের উপর ভিত্তি করে। তবে আমি পি-মান দ্বারা অনুমান করি আপনি আলফা প্রবেশ করানো এবং আলফা ছেড়ে যেতে চাইছেন। আপনি যা করতে পারেন তা হ'ল stepwiseপল রুবিনের লিখিত ফাংশনটি ব্যবহার করা এবং এখানে উপলভ্য । আপনি দেখতে পাচ্ছেন যে alpha.to.enter এবং alpha.to.leave এর আর্গুমেন্ট রয়েছে যা আপনি পরিবর্তন করতে পারবেন। নোট করুন যে এই ফাংশনটি মডেলগুলি নির্বাচন করতে এফ-পরীক্ষা বা সমতুল্য টি-টেস্ট ব্যবহার করে। তদ্ব্যতীত, এটি কেবল ধাপের দিকের রিগ্রেশনকেই পরিচালনা করতে পারে না তবে অগ্রণী নির্বাচন এবং পশ্চাদপসরণকেও দূর করতে পারে পাশাপাশি আপনি যদি যুক্তিগুলি সঠিকভাবে সংজ্ঞায়িত করেন তবে।