Testes de Qualidade do Ajuste para

Teste de Qualidade do Ajuste de Desviância

O teste de qualidade de ajuste de deviance avalia a discrepância entre o modelo atual e o modelo completo.

Interpretação

Use os testes de qualidade do ajuste para determinar se as probabilidades preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Se o valor-p do teste de qualidade do ajuste for menor do que seu nível de significância escolhido, as probabilidade preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Esta lista fornece motivos comuns para o desvio:
  • Função de ligação incorreta
  • Termo de ordem mais alta omitido para variáveis no modelo
  • Preditora omitida que não está no modelo
  • Superdispersão

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

Muitas das estatísticas de qualidade de ajuste são afetadas pelo modo como os dados são organizados na worksheet e se há um ensaio por linha ou múltiplos ensaios por linha. O valor-p para o teste de desviância tende a ser menor para os dados que possuem uma única organização de ensaio de linha em comparação aos dados que possuem múltiplos ensaios por linha, e geralmente diminui à medida que o número de tentativas por linha diminui.

O teste de Hosmer-Lemeshow não depende do formato dos dados. Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados. Para obter mais informações, vá para Como os formatos de dados afetam a qualidade de ajuste na regressão logística binária.

Teste de Qualidade do Ajuste de Pearson

O teste de qualidade de ajuste de Pearson avalia a discrepância entre o modelo atual e o modelo completo.

Interpretação

Use os testes de qualidade do ajuste para determinar se as probabilidades preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Se o valor-p do teste de qualidade do ajuste for menor do que seu nível de significância escolhido, as probabilidade preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Esta lista fornece motivos comuns para o desvio:
  • Função de ligação incorreta
  • Termo de ordem mais alta omitido para variáveis no modelo
  • Preditora omitida que não está no modelo
  • Superdispersão

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

Muitas das estatísticas de qualidade de ajuste são afetadas pelo modo como os dados são organizados na worksheet e se há uma avaliação por linha ou vários ensaios por linha. A aproximação para a distribuição do qui-quadrado que o teste de Pearson usa é imprecisa quando o número esperado de eventos por linha nos dados é baixo. Assim, o teste de qualidade de ajuste de Pearson é impreciso quando os dados estão no formato de um único ensaio por linha.

O teste de Hosmer-Lemeshow não depende do formato dos dados. Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados. Para obter mais informações, vá para Como os formatos de dados afetam a qualidade de ajuste na regressão logística binária.

Hosmer-Lemeshow

O teste de qualidade de ajuste de Hosmer-Lemeshow compara as frequências observadas e esperadas de eventos e não eventos para avaliar se o modelo ajusta bem os dados.

Interpretação

Use os testes de qualidade do ajuste para determinar se as probabilidades preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Se o valor-p do teste de qualidade do ajuste for menor do que seu nível de significância escolhido, as probabilidade preditas se desviam das probabilidades observadas de uma maneira que a distribuição binomial não prediz. Esta lista fornece motivos comuns para o desvio:
  • Função de ligação incorreta
  • Termo de ordem mais alta omitido para variáveis no modelo
  • Preditora omitida que não está no modelo
  • Superdispersão

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

O teste de Hosmer-Lemeshow não depende do número de ensaios por linha nos dados como os outros testes de qualidade do ajuste. Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados.

Frequências observadas e esperadas para teste de Hosmer-Lemeshow

O modelo prediz as frequências esperadas para o teste de Hosmer-Lemeshow.

Interpretação

Use as frequências observadas e esperadas para o teste de Hosmer-Lemeshow para descrever quão bem o modelo se ajusta aos dados ou para procurar áreas de ajuste ruim.

Por exemplo, o modelo com o termo X produz testes de qualidade de ajuste com pequenos valores-p, que indicam que o modelo está mal ajustado aos dados. Na tabela das frequências observadas e esperadas, os valores esperados foram diferentes em mais de 10 eventos para todos os grupos exceto para o grupo 4, quando a probabilidade do evento está entre 0,32 e 0,325.

Quando o modelo inclui X e X*X, os testes de qualidade do ajuste têm valores-p grandes. Os dados não fornecem eveidências de que as probabilidades estimadas desviam das probabilidade observadas de uma forma que a distribuição binomial não prediz. A maior diferença entre o número observado e o esperado de eventos está no grupo 4. Esta diferença é de aproximadamente 7.

Regressão Logística Binária: Evento versus X

Coeficientes Termo Coef EP de Coef VIF Constante -0,800 0,167 X 0,00092 0,00271 1,00
Testes de Qualidade de Ajuste Teste GL Qui-Quadrado Valor-P Deviance 3 78,50 0,000 Pearson 3 74,96 0,000 Hosmer-Lemeshow 3 74,96 0,000
Frequências Observadas e Esperadas para o Teste de Hosmer-Lemeshow Amplitude da Probabilidade Evento Não-evento Grupo do Evento Observado Esperado Observado Esperado 1 (0,000; 0,310) 10 31,0 90 69,0 2 (0,310; 0,315) 40 31,5 60 68,5 3 (0,315; 0,320) 60 32,0 40 68,0 4 (0,320; 0,325) 35 32,5 65 67,5 5 (0,325; 0,330) 15 33,0 85 67,0

Regressão Logística Binária: Evento versus X

Informações da Resposta Nome do Variável Valor Contagem Evento Evento Evento 160 Evento Não-evento 340 Ensaio Total 500
Coeficientes Termo Coef EP de Coef VIF Constante -2,107 0,282 X 0,0904 0,0121 11,97 X*X -0,000889 0,000115 11,97
Testes de Qualidade de Ajuste Teste GL Qui-Quadrado Valor-P Deviance 2 3,78 0,151 Pearson 2 3,76 0,152 Hosmer-Lemeshow 3 3,76 0,288
Frequências Observadas e Esperadas para o Teste de Hosmer-Lemeshow Amplitude da Probabilidade Evento Não-evento Grupo do Evento Observado Esperado Observado Esperado 1 (0,000; 0,108) 10 10,8 90 89,2 2 (0,108; 0,124) 15 12,4 85 87,6 3 (0,124; 0,401) 40 40,1 60 59,9 4 (0,401; 0,419) 35 41,9 65 58,1 5 (0,419; 0,548) 60 54,8 40 45,2
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política