การวินิจฉัยใดที่สามารถตรวจสอบการใช้งานตระกูล GLM หนึ่ง ๆ ได้

ดูเหมือนว่าจะเป็นประถม แต่ฉันมักจะติดอยู่ที่จุดนี้ ...

ข้อมูลส่วนใหญ่ที่ฉันจัดการด้วยนั้นไม่ปกติและการวิเคราะห์ส่วนใหญ่อ้างอิงจากโครงสร้าง GLM สำหรับการวิเคราะห์ปัจจุบันของฉันฉันมีตัวแปรตอบสนองที่ "ความเร็วเดิน" (เมตร / นาที) เป็นเรื่องง่ายสำหรับฉันที่จะระบุว่าฉันไม่สามารถใช้ OLS ได้ แต่จากนั้นฉันมีความไม่แน่นอนอย่างมากในการตัดสินใจว่าครอบครัวใด (Gamma, Weibull และอื่น ๆ ) มีความเหมาะสม!

ฉันใช้ Stata และดูการวินิจฉัยเช่นส่วนที่เหลือและความแตกต่างแบบเฮเทอโรซิสติซิตีค่าส่วนที่เหลือเทียบกับค่าติดตั้ง ฯลฯ

ฉันทราบว่าการนับข้อมูลสามารถอยู่ในรูปแบบของอัตรา (เช่นอัตราอุบัติการณ์) และใช้แกมม่า (อะนาล็อกไปยังโมเดลลบลบทวินามแบบแยกขั้วแบบ overdispersed) แต่ต้องการ "ปืนสูบบุหรี่" เพื่อบอกว่าใช่คุณมีสิทธิ ครอบครัว. การดูค่าสารตกค้างมาตรฐานกับค่าติดตั้งเป็นวิธีเดียวและดีที่สุดในการทำเช่นนี้หรือไม่? ฉันต้องการใช้ตัวแบบผสมเพื่ออธิบายลำดับชั้นของข้อมูลด้วยเช่นกัน แต่ก่อนอื่นต้องแยกแยะว่าครอบครัวใดที่อธิบายตัวแปรตอบสนองของฉันได้ดีที่สุด

ความช่วยเหลือใด ๆ ชื่นชม ภาษา Stata ชื่นชมโดยเฉพาะอย่างยิ่ง!

ฉันมีเคล็ดลับ:

(1) วิธีการเปรียบเทียบความพอดีกับสิ่งที่เหลืออยู่นั้นไม่ได้เป็นสิ่งที่ชัดเจนเสมอไปดังนั้นจึงเป็นการดีที่คุณจะคุ้นเคยกับการวินิจฉัยสำหรับรุ่นเฉพาะ ในโมเดลการถดถอยโลจิสติกเช่นสถิติ Hosmer-Lemeshow ใช้เพื่อประเมินความดีของความพอดี ค่าเรเวอเรจมักจะมีขนาดเล็กโดยที่อัตราเดิมพันโดยประมาณมีขนาดใหญ่มากเล็กมากหรือเท่ากัน และอื่น ๆ

(2) บางครั้งตระกูลรุ่นหนึ่งอาจถูกมองว่าเป็นกรณีพิเศษของอีกโมเดลดังนั้นคุณสามารถใช้การทดสอบสมมติฐานกับพารามิเตอร์เพื่อช่วยคุณเลือก ยกตัวอย่างเช่น vs Weibull

(3) เกณฑ์ข้อมูลของ Akaike มีประโยชน์ในการเลือกระหว่างรุ่นที่แตกต่างกันซึ่งรวมถึงการเลือกระหว่างตระกูลที่แตกต่างกัน

(4) ความรู้เชิงทฤษฎี / เชิงประจักษ์เกี่ยวกับสิ่งที่คุณกำลังสร้างแบบจำลองจะ จำกัด ขอบเขตของแบบจำลองที่น่าเชื่อถือ

แต่ไม่มีวิธีอัตโนมัติในการค้นหาครอบครัวที่ 'ถูกต้อง'; ข้อมูลในชีวิตจริงอาจมาจากการแจกแจงที่ซับซ้อนตามที่คุณต้องการและความซับซ้อนของแบบจำลองที่คุ้มค่าที่จะพยายามเพิ่มให้พอดีกับจำนวนข้อมูลที่คุณมี นี่เป็นส่วนหนึ่งของการบอกเล่าของ Box ว่าไม่มีรุ่นใดเป็นของจริง แต่บางรุ่นก็มีประโยชน์

ความคิดเห็นของ Re @ gung: ดูเหมือนว่าการทดสอบ Hosmer-Lemeshow ที่ใช้กันทั่วไปคือ (a) มีความไวต่อการเลือกถังขยะ & (b) โดยทั่วไปมีประสิทธิภาพน้อยกว่าการทดสอบอื่น ๆ ที่เกี่ยวข้องกับสมมติฐานทางเลือกบางประเภทที่เกี่ยวข้อง แต่นั่นไม่ได้เบี่ยงเบนจากจุด (1): มันก็ยังดีที่จะทันสมัย

คุณอาจจะพบว่ามันน่าสนใจที่จะอ่านบทความสั้น (เบื้องต้นด้วยตนเอง) fitdistrplusสำหรับแพคเกจการ ฉันรู้ว่าคุณชอบทำงานใน Stata แต่ฉันคิดว่าบทความสั้น ๆ จะอธิบายตัวเองได้อย่างเพียงพอที่คุณสามารถรับข้อมูลเชิงลึกเกี่ยวกับกระบวนการอนุมานครอบครัวจากการกระจายข้อมูล คุณอาจจะสามารถใช้ความคิดบางอย่างใน Stata ผ่านรหัสของคุณเอง โดยเฉพาะอย่างยิ่งฉันคิดว่ากราฟ Cullen และ Frey หากเป็น / สามารถนำไปใช้ใน Stata ได้อาจเป็นประโยชน์สำหรับคุณ