大家好，第一次在贵版发言，不符规定再请告知><" 最近学到 glm，想要请教有关解读 glm 中 deviance 以及 degree of freedom 的问题。 =============以下正文开始=========== 例如说我有一个 model 叫 glm.1，其方程式为　logit(y)~x summary report: Null deviance 为 45.33 on 17 degrees of freedom Residual deviance 为 12.06 on 16 degrees of freedom 比较以下两个 test (皆以 R 程式码呈现)： 1. 想要检定此 model 好不好 -- Deviance Goodness-of-fit test 直接代入 glm.1 的 Residual deviance & df (12.06 & 16)： > 1 - pchisq(glm.1$deviance, glm.1$df.residual) [1] 0.7398392 因为不能拒绝 h0(这个 model 是好的)，所以结论是 There's no evidence that the model is inadequent. 2. 想要比较这个 model，是否比 null model 好(更显着) -- Drop-in-deviance test 代入两者 deviance & df 的差： > 1 - pchsq(glm.1$null.deviance-glm.1$deviance, df=1) [1] 8.021055e-09 此时拒绝 h0(两个 model 没差)，代表加入 x 变数的确比 null model 更有解释力。 想要问的问题是： 两个不同的 test 却以用同样的方式检定，其各自的意义要怎麽解读才正确？ ==========以下是我自己的想法========== 我自己的想法是，1-pchisq(mean,df) 的意思是用来检查， 在给定 mean=12.06 & df=16 的情况下，该样本服从卡方分配的机率。 所以第一个 test 做出来结果代表 deviance 这个检定量服从卡方分配的机率很大， 又因为 glm 中假设 deviance 在大样本情况下会服从卡方分配， 所以认为这个 model 是 ok 的。 延续以上的想法到第二个test，把两个 model 的 deviance & df 的差代入 变成讨论当 mean=33.27(45.33-12.06), df=1(17-16)时， 这样的样本会服从卡方分配的机率。 那为什麽算出来机率很小，代表意义却是 glm.1 的 x 很显着呢??? 到这里就卡住了......好像说不通.... 会不会是我一开始的想法就有问题了呢？ 已经卡关几天了，自己一直想不通，上来po文恳请指点、互相讨论！ 感谢耐心看完，谢谢大家~ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 223.140.122.96 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1450761462.A.146.html 谢谢andrew大!!经提点我有发现到drop-in-deviance test的H0是:两个model没差 所以当p-value很小时表示拒绝H0 (也就是加入x变数的确是有解释力的) 只是我不了解的点是,为什麽在数学上,drop-in-deviance跟goodness-of-fit两种检定 会是用同样的算法,总觉得应该不是巧合...(看来我还需要再多啃一点书 哈哈) ※ 编辑: locka (114.136.215.224), 12/24/2015 00:20:07