ให้ LL = loglikelihood
นี่คือสรุปย่อของสิ่งที่คุณเห็นจากเอาต์พุตสรุป (glm.fit)
Null Deviance = 2 (LL (รุ่นอิ่มตัว) - LL (รุ่น Null)) บน df = df_Sat - df_Null
Residual Deviance = 2 (LL (รุ่นอิ่มตัว) - LL (รุ่นที่เสนอ)) df = df_Sat - df_Proposed
อิ่มตัวรุ่นคือรุ่นที่ถือว่าแต่ละจุดข้อมูลที่มีค่าของตัวเอง (ซึ่งหมายความว่าคุณมี n พารามิเตอร์เพื่อประเมิน.)
Null รุ่นถือว่าแน่นอน "ตรงข้าม" ในการที่จะถือว่าเป็นพารามิเตอร์หนึ่งสำหรับทุกจุดข้อมูลซึ่งหมายความว่าคุณจะประเมิน 1 พารามิเตอร์
เสนอรุ่นถือว่าคุณสามารถอธิบายจุดที่ข้อมูลของคุณด้วยพารามิเตอร์ + p ระยะตัดเพื่อให้คุณมี P + 1 พารามิเตอร์
ถ้าNull Devianceของคุณมีขนาดเล็กมากนั่นหมายความว่า Null Model อธิบายข้อมูลได้ค่อนข้างดี ในทำนองเดียวกันกับอันซ์ที่เหลือ
ขนาดเล็กจริงๆหมายถึงอะไร หากโมเดลของคุณ "ดี" แสดงว่าDevianceของคุณมีองศาอิสระ (df_sat - df_model) องศาโดยประมาณ
หากคุณต้องการเปรียบเทียบรุ่น Null กับรุ่นที่เสนอคุณสามารถดูได้
(Null Deviance - Residual Deviance)ประมาณ Chi ^ 2 โดยมีdf เสนอ - df Null = (n- (p + 1)) - (n-1) = p
ผลลัพธ์ที่คุณให้โดยตรงจาก R คืออะไร พวกมันดูแปลก ๆ นิดหน่อยเพราะโดยทั่วไปแล้วคุณจะเห็นว่าองศาอิสระที่รายงานบน Null นั้นสูงกว่าระดับความเป็นอิสระที่รายงานบน Residual เสมอ นั่นเป็นเพราะอีกครั้ง Null Deviance df = อิ่มตัว df - Null df = n-1 ส่วนที่เหลือ deviance df = อิ่มตัว df - เสนอ df = n- (p + 1)
GLM
?