Cevaplarken bu soruyu John Christie lojistik regresyon modellerinin uyum artığı değerlendirerek değerlendirilmesi gerektiğini öne sürdü. OLS'deki artıkları nasıl yorumlayacağımı biliyorum, bunlar DV ile aynı ölçekte ve model tarafından öngörülen y ve y arasındaki farkları açıkça görüyorlar. Bununla birlikte, lojistik regresyon için, geçmişte tipik olarak AIC modelinin uygunluk tahminlerini inceledim, çünkü bir kalıntının bir lojistik regresyon için ne anlama geleceğinden emin değildim. R'nin yardım dosyalarına baktıktan sonra , R'de beş çeşit glm kalıntısı olduğunu görüyorum c("deviance", "pearson", "working","response", "partial")
. Yardım dosyası şunları belirtir:
- Davison, AC ve Snell, EJ (1991) Artıklar ve teşhisler. In: İstatistiksel Teori ve Modelleme. Sir David Cox Onuruna, FRS , eds. Hinkley, DV, Reid, N. ve Snell, EJ, Chapman & Hall.
Bunun bir kopyası yok. Bu türlerin her birinin nasıl yorumlanacağını açıklamanın kısa bir yolu var mı? Lojistik bağlamda kare artıkların toplamı anlamlı bir model uyumu ölçüsü sağlayacak mı, yoksa bir Bilgi Kriteri ile daha mı iyi sonuçlanacak?
binnedplot
R paket içinde fonksiyon kolunun artıkların bir çok yararlı arsa verir. Gelman ve Hill 2007’nin s.97-101’inde güzel bir şekilde anlatılmıştır .