作者jackhzt (巴克球)
看板Statistics
標題[問題] 如果比較模型是否合適?
時間Thu Nov 26 16:08:45 2015
今天一筆資料 我們去作線性模型和 廣義線性模型 要如何比較那個模型較好?
再者殘差分析在廣義線模有用嗎?
R^2外 有其他看配適是否優劣的方法嗎?
請各位大大賜教~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.8.85.58
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1448525327.A.ED8.html
1F：→ allen1985: 廣義線性模型是指?11/26 22:09
2F：→ ghd123483: Glm吧？11/26 23:44
恩 是GLM的意思
有比較兩者優劣的方法嗎? >"<
※ 編輯: jackhzt (39.8.85.58), 11/26/2015 23:52:26
3F：→ kangoroo: AIC, BIC, SBC,...etc 應該…可用11/27 00:02
4F：→ allen1985: 我知道是GLM 我只是想問詳細一點的model長怎麼樣11/27 02:32
5F：→ allen1985: 一定有些criterion可以比較不同的模型 但為什麼需要用11/27 02:33
6F：→ allen1985: GLM 一定有其原因 我只是希望原po多想一下這個 而不是11/27 02:34
7F：→ allen1985: 直接fit兩個模型 來比較 這個比較好就用這個 這樣11/27 02:34
8F：→ allen1985: GLM可以有幾百種11/27 02:35
9F：→ allen1985: 每個模型都有其假設 先想一下這些假設11/27 02:44
如果有一筆資料 它是poisson的樣子 但是今天我故意忽略這個事實 而強用線性迴歸去配
適它 且線性的R^2有0.8多 而改用GLM的poisson 迴歸再做一次 發現是比較好的 那我該
用那些理由來說明它(poisson reg.)的配適比較好
※ 編輯: jackhzt (110.26.146.23), 11/27/2015 03:20:30
10F：→ andrew43: 如果資料真的適合poisson且次數不多（即y值不大）那可能11/27 03:29
11F：→ andrew43: 用poisson較佳。11/27 03:30
12F：→ andrew43: 建議你看看y本身分配的偏度大不大。11/27 03:30
13F：→ allen1985: 如果你最後的目的是預測 那麼線性迴歸的預測值合理嗎11/27 04:04
14F：→ LiamIssac: 先看random error的distribution 如果normal 可用一般11/27 10:09
15F：→ LiamIssac: 迴歸 如果不normal 就看看是否符合其他exponential fam 11/27 10:09
16F：→ LiamIssac: ily 這時候用glm 11/27 10:09
謝謝大大們的說明
那有沒有除了主觀判斷外 比較有明確準則的檢定 對於一個linear vs GLM?
※ 編輯: jackhzt (110.26.146.23), 11/27/2015 11:55:19
17F：→ celestialgod: AIC應該是最簡單的吧11/27 12:05
18F：→ celestialgod: poisson還要check over-dispersion的部分 11/27 12:05
19F：→ celestialgod: 不過還是建議透過了解資料跟模型的假設建模比較恰當 11/27 12:06
20F：→ celestialgod: 不應該只是透過criterion去決定模型 11/27 12:07
這邊想再詢問一下 對於AIC我的理解是 選擇是否要選取此參數 加入模型來討論
如果光比較AIC是洽當的嗎?(上次因為這問題在臺上罰站許久 =口=)
※ 編輯: jackhzt (110.30.129.26), 11/27/2015 15:45:03
21F：→ allen1985: 沒有一個準則可以適用於比較任意兩種模型 11/27 16:39
22F：→ allen1985: 真的不建議你單純說用AIC 你應該要去了解 每個準則 11/27 16:40
23F：→ allen1985: 重視的地方在哪裡 優缺點在哪裡 差異在那裡 11/27 16:40
24F：→ allen1985: 在台上罰站許久 應該是來自於 你對於這些準則的不了解11/27 16:41
25F：→ allen1985: 卻用它來做結論11/27 16:41
26F：→ allen1985: 不同的準則 常常會給出不一樣的答案 11/27 16:42
27F：→ allen1985: 請問你fit這模型用意是什麼呢 11/27 17:09
28F：→ celestialgod: 我後來稍微查一下，不同link functions是不能比較AI 11/27 19:18
→ celestialgod: C的，目前比較可行的方法應該是用MSE
11/27 19:18
謝謝大家的指教
這模型主要是預測未來的趨勢 再比較誰比較準
剛剛看了蠻多資料的 會試試看Mse或其它方式 CV也許也是好選擇 關於aic也在看它的資
料中 謝謝大大們~
※ 編輯: jackhzt (110.30.129.26), 11/28/2015 00:37:19
29F：→ kangoroo: 你應該要看你所重視的點是什麼(例:效率性、準確性…等) 11/28 15:35
30F：→ kangoroo: 比較才有意義 11/28 15:35
31F：→ kangoroo: 單就模型來說 沒有哪一種是一定比另一種來得好或壞 11/28 15:36
32F：→ kangoroo: 要看使用者的目的跟資料特性的配適 11/28 15:37