Bondad de ajuste para Ajustar modelo de Poisson

Encuentre definiciones y ayuda para interpretar cada estadístico incluido en la tabla Pruebas de bondad de ajuste.

Prueba de bondad de ajuste de desviación

La prueba de bondad de ajuste de la desviación evalúa la discrepancia entre el modelo actual y el modelo completo.

Interpretación

Utilice las pruebas de bondad de ajuste para determinar si los números pronosticados de eventos se desvían de los números observados de eventos de una manera que la distribución de Poisson no predice. Si el valor p para la prueba de bondad de ajuste es menor que el nivel de significancia elegido, usted puede rechazar la hipótesis nula de que la distribución de Poisson proporciona un ajuste adecuado. Esta lista indica las razones comunes de las desviaciones:
  • Función de enlace incorrecta
  • Término de orden superior omitido para las variables que están en el modelo
  • Predictor omitido que no está en el modelo
  • Dispersión excesiva

Si la desviación es estadísticamente significativa, usted puede probar con una función de enlace diferente o cambiar los términos incluidos en el modelo.

Prueba de bondad de ajuste de Pearson

La prueba de bondad de ajuste de Pearson evalúa la discrepancia entre el modelo actual y el modelo completo.

Interpretación

Utilice las pruebas de bondad de ajuste para determinar si los números pronosticados de eventos se desvían de los números observados de eventos de una manera que la distribución de Poisson no predice. Si el valor p para la prueba de bondad de ajuste es menor que el nivel de significancia elegido, usted puede rechazar la hipótesis nula de que la distribución de Poisson proporciona un ajuste adecuado. Esta lista indica las razones comunes de las desviaciones:
  • Función de enlace incorrecta
  • Término de orden superior omitido para las variables que están en el modelo
  • Predictor omitido que no está en el modelo
  • Dispersión excesiva

Si la desviación es estadísticamente significativa, usted puede probar con una función de enlace diferente o cambiar los términos incluidos en el modelo.