เปรียบเทียบความพอดีของโมเดลกับการตอบสนองที่เปลี่ยนแปลงและไม่แปลงรูปแบบ


11

ฉันต้องการเปรียบเทียบข้อมูลที่มีสัดส่วนระหว่างกลุ่มต่าง ๆ สามกลุ่มเช่น:

 ID Group Prop.Nitrogen
 1    A     0.89
 2    A     0.85
 3    B     0.92
 4    B     0.97

ติดตาม Wharton และ Hui (ดอย: 10.1890 / 10-0340.1 1 ) ฉันว่าฉันจะดูว่าข้อมูลเหล่านี้จะจัดการกับการใช้ logit ที่ดีขึ้นหรือไม่

เมื่อฉันดูพล็อตการวินิจฉัยสำหรับตัวแบบเชิงเส้นบนข้อมูลที่ถูกแปลงและไม่ถูกแปลงพวกมันดูคล้ายกันมากโดยไม่มีปัญหาที่ชัดเจนและมีความแตกต่างเพียงเล็กน้อยในพารามิเตอร์ที่ประมาณไว้ อย่างไรก็ตามฉันยังต้องการที่จะพูดอะไรบางอย่างเกี่ยวกับรูปแบบที่เหมาะกับข้อมูลที่ถูกแปลงและไม่มีการแปลงรูปแบบได้อย่างไร - ฉันรู้ว่าฉันไม่สามารถเปรียบเทียบค่า AIC ได้โดยตรง มีการแก้ไขและฉันสามารถตรวจสอบสิ่งนี้ได้หรือไม่? หรือฉันควรจะใช้วิธีการที่แตกต่างกันอย่างไร


คุณอาจต้องการลองใช้การแปลงแบบ Box-Cox ( boxcox()ในไลบรารี MASS) แต่ฉันไม่แน่ใจว่าสามารถจัดการกับการแปลงแบบ logit ได้หรือไม่
Marius

@Marius: เพื่อชี้แจงคุณแนะนำboxcox()เกี่ยวกับข้อมูลดิบหรือข้อมูลที่แปลง?
มิเชล

สิ่งที่เกี่ยวกับการแปลงข้อมูลและค่าติดตั้งเป็นมาตราส่วนที่เกี่ยวข้องกับหัวเรื่อง (ดังนั้นคุณจะมีมาตราส่วนรวม) แล้วคำนวณ AIC สำหรับโมเดลการแข่งขันทั้งหมดที่คุณมี คุณจะต้องคำนวณค่า AIC ด้วยตนเองสำหรับรุ่นที่มีขนาดพอดีในตอนแรก แต่ฉันไม่คิดว่านี่จะเป็นปัญหา
Richard Hardy

คำตอบ:


1

ประสบการณ์ของฉันกับข้อมูลที่แปลงแล้วแสดงให้เห็นว่าความสัมพันธ์ดีขึ้นหลังจากการเปลี่ยนแปลงเช่นเดียวกับความเป็นเนื้อเดียวกันและ / หรือความเป็นปกติแม้ว่าพวกเขาจะไม่ได้เหมาะสมที่สุดสำหรับการเปลี่ยนแปลงใด ๆ ก็ตาม หนึ่งคำตอบง่ายๆอาจจะคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างทั้งสองรุ่นและชุดข้อมูลของพวกเขา เราสามารถทดสอบความสำคัญของความแตกต่างของสัมประสิทธิ์สหสัมพันธ์ การทดสอบความเป็นเนื้อเดียวกันและความหนาแน่นประเภทฟังก์ชั่นของสารตกค้างยังสามารถเสนอวิธีการประเมินพวกมัน

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.