Saya memiliki model GLM logistik dengan 8 variabel. Saya menjalankan uji chi-square di R anova(glm.model,test='Chisq')
dan 2 dari variabel berubah menjadi prediksi ketika dipesan di bagian atas tes dan tidak begitu banyak ketika dipesan di bagian bawah. Itu summary(glm.model)
menunjukkan bahwa koefisien mereka tidak signifikan (nilai p tinggi). Dalam hal ini tampaknya variabel tidak signifikan.
Saya ingin bertanya yang merupakan tes signifikansi variabel - signifikansi koefisien dalam ringkasan model atau uji chi-square anova()
. Juga - kapan salah satu lebih baik dari yang lain?
Saya kira itu adalah pertanyaan luas tetapi setiap petunjuk tentang apa yang harus dipertimbangkan akan dihargai.
Jawaban:
Selain jawaban @ gung, saya akan mencoba memberikan contoh
anova
fungsi yang sebenarnya diuji. Saya harap ini memungkinkan Anda untuk memutuskan tes apa yang sesuai untuk hipotesis yang Anda minati.Mari kita asumsikan bahwa Anda memiliki variabel prediktor hasil dan 3: x 1 , x 2 , dan x 3 . Sekarang, jika model regresi logistik Anda akan . Saat Anda menjalankan , fungsi membandingkan model berikut dalam urutan berurutan:y x1 x2 x3
my.mod <- glm(y~x1+x2+x3, family="binomial")
anova(my.mod, test="Chisq")
glm(y~1, family="binomial")
vs.glm(y~x1, family="binomial")
glm(y~x1, family="binomial")
vs.glm(y~x1+x2, family="binomial")
glm(y~x1+x2, family="binomial")
vs.glm(y~x1+x2+x3, family="binomial")
Jadi secara berurutan membandingkan model yang lebih kecil dengan model yang lebih kompleks berikutnya dengan menambahkan satu variabel di setiap langkah. Masing-masing perbandingan dilakukan melalui uji rasio kemungkinan (uji LR; lihat contoh di bawah). Setahu saya, hipotesis ini jarang menarik, tetapi ini harus diputuskan oleh Anda.
Berikut adalah contoh di
R
:summary(my.mod)
x1
:glm(y~x2+x3, family="binomial")
vsglm(y~x1+x2+x3, family="binomial")
x2
:glm(y~x1+x3, family="binomial")
vsglm(y~x1+x2+x3, family="binomial")
x3
:glm(y~x1+x2, family="binomial")
vsglm(y~x1+x2+x3, family="binomial")
Jadi masing-masing koefisien terhadap model lengkap berisi semua koefisien. Tes Wald adalah perkiraan dari tes rasio kemungkinan. Kami juga bisa melakukan tes rasio kemungkinan (LR test). Begini caranya:
summary(my.mod)
rank
anova(my.mod, test="Chisq")
rank
anova(mod1.2, my.mod, test="Chisq")
rank
sumber
test="Chisq"
, Anda tidak menjalankan tes rasio kemungkinan, Anda perlu menetapkantest="LRT"
untuk itu, lihat ? Anova.glm .test="LRT"
dantest="Chisq"
identik (dikatakan di halaman yang Anda tautkan).test="LRT"
lebih baik karena segera jelas bahwa ini adalah tes rasio kemungkinan. Saya mengubahnya. Terima kasih.7.088e-05, 0.01419, 00.03684
) harus ditafsirkan?