สำหรับแต่ละความน่าจะเป็นที่ติดตั้งจากแบบจำลองอิ่มตัวจะเหมือนกับไม่ว่าจะเป็นศูนย์หรือหนึ่ง ตามที่อธิบายไว้ที่นี่น่าจะเป็นของรุ่นอิ่มตัวคือ1ดังนั้นความเบี่ยงเบนของโมเดลดังกล่าวจะเป็น , ที่ df นี่คือตัวอย่างจาก R:YผมYผม1- 2 บันทึก( 1 / 1 ) = 00
y = c(1,1,1,0,0,0)
a <- factor(1:length(y))
fit <- glm(y~a,family=binomial)
summary(fit)
Deviance Residuals:
0 0 0 0 0 0
Null deviance: 8.3178e+00 on 5 degrees of freedom
Residual deviance: 2.5720e-10 on 0 degrees of freedom
แบบจำลองที่อิ่มตัวมีพารามิเตอร์เสมอโดยที่คือขนาดตัวอย่าง นั่นเป็นสาเหตุที่ค่าเบี่ยงเบนโมฆะเป็นค่าว่างเสมอ df เนื่องจากโมเดลโมฆะมีจุดตัดเท่านั้น เช่นถ้าฉันเพิ่มหนึ่งซ้ำสำหรับแต่ละระดับหกระดับฉันจะได้รับสิ่งต่อไปนี้:nn( n - 1 )
> k2
[1] 1 2 3 4 5 6 1 2 3 4 5 6
Levels: 1 2 3 4 5 6
> y2
[1] 1 1 1 0 0 0 1 1 1 0 0 0
> fit3 = glm(y2 ~ k2, family = binomial)
> summary(fit3)
Null deviance: 1.6636e+01 on 11 degrees of freedom
Residual deviance: 5.1440e-10 on 6 degrees of freedom
ที่จริงแล้วปรากฎว่าใน R สิ่งที่แบบอิ่มตัวนั้นขึ้นอยู่กับรูปแบบของการป้อนข้อมูลแม้ว่าข้อมูลจะเหมือนกันทุกประการซึ่งไม่ค่อยดีนัก โดยเฉพาะอย่างยิ่งในตัวอย่างด้านบนมีข้อสังเกต 12 ข้อและระดับปัจจัย 6 ระดับดังนั้นแบบจำลองอิ่มตัวควรมีพารามิเตอร์ 6 ตัวไม่ใช่ 12 โดยทั่วไปรูปแบบอิ่มตัวถูกกำหนดเป็นหนึ่งโดยที่จำนวนพารามิเตอร์เท่ากับจำนวนของ รูปแบบ covariate ที่แตกต่าง ฉันไม่รู้ว่าทำไมรหัส R "ยอมรับ" ที่ปัจจัย k2 มี 6 ระดับที่แตกต่างกัน แต่รุ่นที่อิ่มตัวนั้นมีพารามิเตอร์ 12 ตัว
ตอนนี้ถ้าเราใช้ข้อมูลเดียวกันทั้งหมดในแบบฟอร์ม "ทวินาม" เราจะได้คำตอบที่ถูกต้อง:
y_yes = 2 * c(1,1,1,0,0,0)
y_no = 2 * c(0,0,0,1,1,1)
x = factor(c(1:6))
> x
[1] 1 2 3 4 5 6
Levels: 1 2 3 4 5 6
> y_yes
[1] 2 2 2 0 0 0
> y_no
[1] 0 0 0 2 2 2
modelBinomialForm = glm(cbind(y_yes, y_no) ~ x, family=binomial)
Deviance Residuals:
[1] 0 0 0 0 0 0
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.490e+01 1.096e+05 0 1
x2 1.375e-08 1.550e+05 0 1
x3 1.355e-08 1.550e+05 0 1
x4 -4.980e+01 1.550e+05 0 1
x5 -4.980e+01 1.550e+05 0 1
x6 -4.980e+01 1.550e+05 0 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1.6636e+01 on 5 degrees of freedom
Residual deviance: 3.6749e-10 on 0 degrees of freedom
ตอนนี้เราจะเห็นว่าแบบจำลองที่อิ่มตัวมี 6 พารามิเตอร์และมันสอดคล้องกับแบบจำลองที่ติดตั้ง ดังนั้นค่าเบี่ยงเบนว่างจะเปิด (6 - 1) = 5 df และค่าเบี่ยงเบนเหลืออยู่คือ (6-6) = 0 df