不好意思还是有几个想请教 1. Likelihood ratio test的使用时机，以及其与Neyman-Pearson lemma的关系。 因後者根据我浅薄的认知是，LRT就是其中一种强力检定，而要是未知母体分配则可以使 用此检定。那为何较少看到检定中使用LRT，而是较常看到t,F,chisq等检定？既然是最强 力检定为何不都考虑LRT检定就可？还是说是主要是看data符合哪一种检定的假设，才是 较适合该检定的准则。 2. In logistic regression assumption： 因为已并非线性Model(根本没有error)，因此模型前提假设应该已不需要error~~Normala nd E(error)=0、Var(error)=sigma^2 ,应该只剩下Cov(errori , errorj)=0 for eachi not equal to j 以及变项间线性独立(不能有共线性存在)。不知道我这样认为是否正确? 3. 变异数同质性检定in ANOVA and Linear regression： 在线性Regression中，有提到其中一个假设是Var(ei)~sigma^2，而检定误差变异数是否 同质则可以利用error做White test。 而我的认知是，检定误差变异数是否同质是不等价於检定解释变数之间是否变异数同质的 。 但是，在ANOVA中，我则在某书上看到了进行Model adequancy checking(变异数同质诊断 )中，看到了三种检定方法：Bartlett's test 、Hartley test、Levene's test，但这些 Ho都是假定ANOVA检定中K个母体的变异数是否相等。 这跟我的认知违背了，我认为在Linear regression中检定解释变数之间变异数是否同质 无法等价於error是否符合模型变异数同质的假设，因在Linear Regression中就已经假定 残差独立於各解释变数了。但是在ANOVA中，其模型假设也是Var(eij)=sigma^2 ，但是其 模型诊断的变异数同质检定却不是针对error检定，而是直接诊断独立母体之间变异数是 否同质。 不知道是否是因为，ANOVA中并没有假设彼此之间有一个函数关系(不像Linear Regressio n中的Y~X1+X2..)，因此检定变异数同质自然等价於检定K个母体变异数是否相等，而Line ar Regression则反之，拥有解释变数的存在，也拥有假设解释变数与Y 存在某种函数关系，因此检定变异数同质自然只能针对这个「Linear Regression fittin g line」的error做检定？ 4. Logistic regression中的Deviance： Logistic regression中的Deviance，其类比於Linear regression中的MSE(SSE)，因此原 则上若Deviance越小，则模型的解释力越好(不知道我这样认知是否正确？) 非常谢谢各位大大的指点。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 39.8.133.223 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Math/M.1540458169.A.2AC.html ※ 编辑: a22735557 (39.8.133.223), 10/25/2018 17:33:24