Tests auf Güte der Anpassung für Ordinale Logistische Regression

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

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