分析明确筛选设计的二元响应中模型汇总的方法和公式

偏差 R2

偏差 R2 表示响应变量中由模型解释的变异量。R2 越大,模型与数据拟合得越好。公式为:

表示法

说明
DEError Deviance
DTTotal Deviance

调整的偏差 R2

调整的偏差 R2 可以说明模型中预测变量的数量,并且可用于比较具有不同预测变量数量的模型。公式为:

表示法

说明
R2偏差 R2
p回归自由度
Φ1,用于二项模型
DT总偏差

尽管在计算调整的偏差 R2 时可能会产生负值,但 Minitab 将针对这些情况显示零。

Akaike 信息准则 (AIC)

使用此统计量比较不同模型。AIC 越小,模型与数据拟合得越好。

根据平均值参数化对数似然函数。函数的一般形式如下:

个体贡献的一般形式如下:

下面的方程给出对二项模型的各个贡献的特殊形式:

表示法

说明
p回归自由度
Lc当前模型的对数似然
yii 行的事件数
mii 行的试验数
i 行的估计均值响应

AICc(Akaike 更正的信息标准)

在满足以下条件时不计算 AICc:.

表示法

说明
p模型中系数的个数,包括常量系数
n具有非缺失数据的行的数量

BIC(Bayesian 信息标准)

表示法

说明
p模型中的系数,不包括常量系数
n具有非缺失数据的行的数量