In diesem Thema
Die Goodness-of-Fit-Tests bewerten die Nullhypothese
gegen die Alternativhypothese 
.
Für die Tests, 
Ist ein
p-Komponentenvektor.
- Globale Wald-Tests
- Likelihood-Quotienten-Test
- Globale Score-Tests
Bei einer Analyse mit Clustern stellt Minitab keine Tests zum globalen Wahrscheinlichkeitsverhältnis bereit, da der Test davon ausgeht, dass Beobachtungen innerhalb von Clustern unabhängig sind.
DF
Die Freiheitsgrade für die Passgenauigkeitstests sind die Summe der Freiheitsgrade für die Begriffe im Modell. Diese Summe entspricht der Anzahl der Parameter im Modell.
Chi-Quadrat
Die Berechnung der F-Statistik hängt wie folgt vom Hypothesentest ab: Wenn die Antwortvariable keine gebundenen Antwortzeiten hat, ist der Bewertungstest identisch mit dem bekannten Log-Rank-Test.
Unter der Nullhypothese hat die Teststatistik für jede Art von Test eine asymptotische Chi-Quadrat-Verteilung. Die asymptotische Verteilung ist gültig, wenn die Anzahl der beobachteten Ereignisse im Vergleich zur Anzahl der Parameter im Modell groß ist. Für kategoriale Prädiktoren muss die Anzahl der Ereignisse in jeder Ebene ebenfalls groß genug sein.
Likelihood-Quotienten-Test
Dabei gilt: 
ist die geeignete partielle Log-Likelihood-Funktion des Modells.
Wald-Test
Dabei gilt: 
ist die Fisher-Informationsmatrix.
die Matrix der Score-Residuen sein. Die Varianz-Kovarianz-Matrix hat die
folgende Form: 
Dabei gilt: 
und 
ist die reduzierte Score-Restmatrix. Um die reduzierte Bewertungsrestmatrix zu
erhalten, ersetzen Sie jeden Cluster von Bewertungsrestzeilen durch die Summe
dieser Restzeilen.
Punktetest
Dabei gilt: 
ist die reduzierte Score-Restmatrix für 
.
Um die reduzierte Bewertungsrestmatrix zu erhalten, ersetzen Sie jeden Cluster
von Bewertungsrestzeilen durch die Summe dieser Restzeilen.
p-Wert
Dabei gilt: 
ist eine Zufallsvariable, die einer Chi-Quadrat-Verteilung mit
Freiheitsgraden. 
ist die Teststatistik.
