一般線形モデルの⊿統計量とは

一般線形モデルには2値回帰およびポアソン回帰が含まれています。⊿は、値の全体的な変動を表します。たとえば、ある日の最低気温が55度で、最高気温が75度である場合、⊿は20度になります。多くの場合、⊿は開始値と終了値の差を表し、2点の間に発生する変動については考慮しません。たとえば、月の第1日目に所定の残高がある銀行口座について考えてみます。その月の間に入金や出金が何度も行われたにもかかわらず、月の最終日の残高が第一日目と同じであったとすれば、銀行は残高の⊿は0であると言うことができます。

⊿ベータ

⊿ベータは、特定の因子パターンまたは共変量パターンを削除することによる回帰係数の変化の指標となります（ピアソン残差を使用）。異なる因子パターンまたは共変量パターンごとに値が計算されます。⊿ベータは、係数の推定値に強い影響を与える因子パターンまたは共変量パターンを検出するときに使用します。

⊿ベータ (標準化)

⊿ベータ（標準化）は、特定の因子パターンまたは共変量パターンを削除することによる回帰係数の変化の指標となります（ピアソン標準残差を使用）。異なる因子パターンまたは共変量パターンごとに値が計算されます。⊿ベータ（標準化）は、標準化係数の推定値に強い影響を与える因子パターンまたは共変量パターンを検出するときに使用します。

⊿カイ二乗

⊿χ2（デルタカイ二乗）は、j番目の因子パターンまたは共変量パターンを持つすべての観測値を削除することによる、ピアソンカイ二乗の変化量です。異なる因子パターンまたは共変量パターンごとに⊿χ2（デルタカイ二乗）値が計算されます。観測値へのモデルの適合度が低いときに、⊿χ2（デルタカイ二乗）の値が大きくなります。

⊿逸脱度

⊿逸脱度は、特定の因子パターンまたは共変量パターンを削除することによる逸脱の適合度統計量の変化の指標となります。⊿逸脱度は、大きな残差（逸脱またはピアソン）と大きなてこ比、またはそのいずれかにより大きな値になり得ます。異なる因子パターンまたは共変量パターンごとに値が計算されます。