Come valutare la bontà di adattamento di un particolare modello non lineare? [chiuso]


10

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 )y=Φ(f(x,a))+εΦa(x1,y1),(x2,y2),,(xn,yn), 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.a

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?χn12

Aggiornamento: perx>1,a>0se questo aiuta.f=x1ax2+1x>1,a>0


1
y=Φ(f(x,a)+ε)y=Φ(f(x,a))+εε

Grazie. Ho chiarito la mia domanda. Sono consapevole che non esiste una risposta migliore, tuttavia, vorrei comunque sapere se la devianza è appropriata per testare la bontà di adattamento qui, e in caso contrario, qual è un altro test che sarebbe appropriato per contrassegnare un adattamento come molto scarso e dicendo che devono essere raccolti più dati (supponendo che il modello sia corretto) o che il modello non descriva i dati.
Spadequack,

1
y0,1p(y=1)=Φ(f(x,a))y=0y=1p(y=1)=y¯, o devianza, o diverse altre alternative. Se quest'ultimo, qual è la distribuzione che stai assumendo per il residuo?
jbowman,

1
La votazione si chiude perché la richiesta di chiarimento è rimasta senza risposta.
whuber

Risposte:


1

Utilizzare il pacchetto "npcmstest" nella libreria "NP" se si utilizza la piattaforma R. Avvertenza: la valutazione del modello potrebbe richiedere alcuni minuti.

Puoi anche prendere in considerazione un confronto teorico-informativo della distribuzione della risposta e della distribuzione predittiva (ad esempio divergenza di KL, entropia crociata, ecc.)


lmglmf

@ stai usando gamo simili ( mgcvpacchetto)? In caso contrario, dovresti verificarlo.
suncoolsu,

1

Ecco come lo farei, fondamentalmente un test del rapporto di verosimiglianza. Ma ricorda che "chiave" per comprendere una bontà del test di adattamento, è capire la classe di alternative che stai testando. Ora abbiamo la probabilità per ogni singolo punto dati come:

p(yi|xi,a,I)=g(ϵi)=g(yifi)

g(ϵ)fi=xi1axi2+1xia(xi,yi)afi=yiχ2g(ϵ)xj,yjyia


1
O(n)

0

Nel contesto della regressione lineare, la bontà dei test di adattamento viene spesso condotta contro un'alternativa più complicata. Hai una regressione lineare: getta alcuni termini polinomiali per verificare se la forma lineare è sufficiente. Dato che hai già una forma funzionale non lineare, la complicata alternativa che dovresti considerare dovrebbe essere quella della regressione non parametrica . Non proverò a fornire un'introduzione all'argomento, poiché richiede una mentalità propria e vale la pena un'introduzione adeguata separata. Per il test delle regressioni parametriche e non parametriche, Wooldridge (1992) o Hardle e Mammen (1993) , fanno cose molto simili. Hardle ha anche scritto un ottimo libro sull'argomento.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.