Ho un modello non lineare , dove Φ è il cdf della distribuzione normale standard e f è non lineare (vedi sotto). Voglio testare la bontà di adattamento di questo modello con il parametro a ai miei dati ( x 1 , y 1 ) , ( x 2 , y 2 ) , … , ( x n , y n ), dopo aver utilizzato la stima della massima verosimiglianza per trovare . Quale sarebbe un test appropriato? Vorrei utilizzare questo test per etichettare un cattivo adattamento come cattivo e determinare se dovrebbero essere raccolti più dati.
Ho esaminato l'uso della devianza, che confronta questo modello con il modello saturo, con il corrispondente test di bontà di adattamento usando la distribuzione . Sarebbe appropriato? La maggior parte di ciò che ho letto sulla devianza lo applica ai GLM, che non è quello che ho. Se il test di devianza è appropriato, quali ipotesi devono essere mantenute per rendere valido il test?
Aggiornamento: perx>1,a>0se questo aiuta.