Güte der Anpassung für Poisson-Modell anpassen

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

In diesem Thema

Abweichungstest auf Güte der Anpassung
Pearson-Test auf Güte der Anpassung

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 Anzahlen der Ereignisse auf eine Weise von den beobachteten Anzahlen der Ereignisse abweichen, die die Poisson-Verteilung nicht prognostiziert. Wenn der p-Wert für den Test auf Güte der Anpassung kleiner als das ausgewählte Signifikanzniveau ist, können Sie die Nullhypothese verwerfen, die besagt, dass die Poisson-Verteilung eine gute Anpassung bietet. In der folgenden Liste finden Sie häufige Ursachen für Abweichungen:

Falsche Linkfunktion
Fehlender Term höherer Ordnung für Variablen im Modell
Fehlender Prädiktor, der nicht im Modell enthalten ist
Überdispersion

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

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

Falsche Linkfunktion
Fehlender Term höherer Ordnung für Variablen im Modell
Fehlender Prädiktor, der nicht im Modell enthalten ist
Überdispersion

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