Farklı bir bağlantı fonksiyonuna sahip GLM modellerini karşılaştırma sorunu

Aynı ortak değişkenler ve dağıtım ailesi seti göz önüne alındığında, farklı bağlantı işlevlerine sahip modelleri nasıl karşılaştırabilirim?

Burada doğru cevabın "AIC / BIC" olduğunu düşünüyorum, ama% 100 emin değilim.

Farklı bir bağlantıları varsa iç içe geçmiş modellerin olması mümkün müdür?

generalized-linear-model aic link-function

— Davide
kaynak

"AIC / BIC" nin olası cevaplardan biri olduğunu, ancak prensip olarak, herhangi bir (uygun) model seçim tekniğinin kullanılabileceğini unutmayın.

Hayır, iç içe değiller. Ayrıca, AIC / BIC kullanırken normalleştirici sabitlerin de önemli olduğunu unutmayın .

AIC & BIC gibi bilgi kriterleri, modelin karmaşıklığı (yani, parametre sayısı) için sapmasını ayarlamanız yeterlidir. Aynı sayıda ortak değişkeniniz varsa (hatta aynı ortak değişkenlerin kendileri olmasa bile), bu ayarlama önemsiz olacaktır. Sapmaları doğrudan karşılaştırarak kontrol edebilirsiniz. Cevabımı burada okumak faydalı olabilir: bu konuya değinen logit ve probit modelleri arasındaki fark .

— gung - Monica'yı eski durumuna getirin

Çok genel, ancak sizden daha fazlasını gerektiren modelleri karşılaştırmak için başka bir olasılık, Parametrik Bootstrap Çapraz Takma yöntemini kullanmaktır. Burada bir pdf bulabilirsiniz .

— gung - Monica'yı eski durumuna getirin

2 olası bağlantı fonksiyonunu aklınızda bulunduran belirli bir aile var mı? örneğin binom ailesi, logit vs log bağlantısı?

— Placidia

Yanıtlar:

Bu problem için de okumak isteyebilirsiniz kanonik tedavi olan 1980 yılında Uygulamalı İstatistik Daryl Pregibon tarafından yayımlandı, "bağlantısını iyiliği testleri" sözde kullanabilir kağıdı burada.

Ayrıca 1994 yılında Cheng ve Wu tarafından noteably, bu cephede bazı daha yeni çalışmalar olmuştur JASA kağıdı .

Sapma olmak kullanarak @gung tarafından belirtildiği gibi, örneğin bakınız de mümkündür Bu kağıdı yüz değerinde almak istemiyorsanız.

— Momo
kaynak

+1, kanonik gazeteye sahip olmak güzel. BTW, "mantıksal" iş değil, yakın zamanda iş demek istediğinizden şüpheleniyorum .

— gung - Monica'yı eski durumuna döndürün

(Buradaki soruların resmi olarak cevaplanmamış olarak görünmemesi için buradaki yorumlardaki bilgileri kopyalıyorum.)

Sapmaları karşılaştırarak iki modeli karşılaştırabilirsiniz. Tüm AIC ve BIC, modeldeki parametre sayısı için sapmaları ayarlamaktır. Bu sayı aynı olduğundan herhangi bir fark yaratmaz. Genel olarak, şekil olarak farklı olmadıkça farklı bağlantı işlevleri arasında ayrım yapmak çok zor olacaktır; uygun bağlantı fonksiyonunu belirlemek için teorik bilgiyi kullanmak genellikle daha iyidir. Örneğin, logit ve probit bağlantıları neredeyse hiç şekil bakımından farklılık göstermez, ancak veri oluşturma süreci hakkında ne düşündüğünüzde farklılık gösterir ( burada tartıştığım gibi ).

— gung - Monica'yı eski durumuna döndürün
kaynak