Tests auf Güte der Anpassung für Ordinale logistische Regression

Hier finden Sie Definitionen und Anleitungen zur Interpretation für alle Statistiken in der Tabelle der Tests auf Güte der Anpassung.

Pearson-Test auf Güte der Anpassung

Beim Pearson-Test auf Güte der Anpassung wird der Unterschied zwischen dem aktuellen Modell und dem vollständigen Modell ausgewertet.

Interpretation

Verwenden Sie die Tests auf Güte der Anpassung, um zu ermitteln, ob die prognostizierten Wahrscheinlichkeiten auf eine Weise von den beobachteten Wahrscheinlichkeiten abweichen, die von der multinomialen Verteilung nicht prognostiziert wird. Der Test ist nicht hilfreich, wenn die Anzahl eindeutiger Werte ungefähr der Anzahl der Beobachtungen entspricht, aber er ist nützlich, wenn mehrere Beobachtungen mit denselben Werten für die Prädiktoren vorliegen. Wenn der p-Wert des Tests auf Güte der Anpassung kleiner als das ausgewählte Signifikanzniveau ist, weichen die prognostizierten Wahrscheinlichkeiten auf eine Weise von den beobachteten Wahrscheinlichkeiten ab, die von der multinomialen Verteilung nicht prognostiziert wird. In der folgenden Liste finden Sie häufige Ursachen für die Abweichung:
  • Falsche Linkfunktion
  • Fehlender Term höherer Ordnung für Variablen im Modell
  • Fehlender Prädiktor, der nicht im Modell enthalten ist

Wenn die Abweichung statistisch signifikant ist, können Sie eine andere Linkfunktion verwenden oder die Terme im Modell ändern.

Abweichungstest auf Güte der Anpassung

Beim Abweichungstest auf Güte der Anpassung wird der Unterschied zwischen dem aktuellen Modell und dem vollständigen Modell ausgewertet.

Interpretation

Verwenden Sie die Tests auf Güte der Anpassung, um zu ermitteln, ob die prognostizierten Wahrscheinlichkeiten auf eine Weise von den beobachteten Wahrscheinlichkeiten abweichen, die von der multinomialen Verteilung nicht prognostiziert wird. Der Test ist nicht hilfreich, wenn die Anzahl eindeutiger Werte ungefähr der Anzahl der Beobachtungen entspricht, aber er ist nützlich, wenn mehrere Beobachtungen mit denselben Werten für die Prädiktoren vorliegen. Wenn der p-Wert des Tests auf Güte der Anpassung kleiner als das ausgewählte Signifikanzniveau ist, weichen die prognostizierten Wahrscheinlichkeiten auf eine Weise von den beobachteten Wahrscheinlichkeiten ab, die von der multinomialen Verteilung nicht prognostiziert wird. In der folgenden Liste finden Sie häufige Ursachen für die Abweichung:
  • Falsche Linkfunktion
  • Fehlender Term höherer Ordnung für Variablen im Modell
  • Fehlender Prädiktor, der nicht im Modell enthalten ist

Wenn die Abweichung statistisch signifikant ist, können Sie eine andere Linkfunktion verwenden oder die Terme im Modell ändern.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien