Testes de Qualidade do Ajuste para Regressão logística ordinal

Encontre definições e orientações de interpretação para cada estatística na tabela de teste Qualidade do ajuste.

Teste de qualidade de 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 multinomial não prediz. O teste não é útil quando o número de valores distintos é aproximadamente igual ao número de observações, mas o teste é útil quando você tem múltiplas observações nos mesmos valores das preditoras. 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 multinomial 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

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

Teste de Qualidade do Ajuste Deviance

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 multinomial não prediz. O teste não é útil quando o número de valores distintos é aproximadamente igual ao número de observações, mas o teste é útil quando você tem múltiplas observações nos mesmos valores das preditoras. 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 multinomial 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

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