devianceTest

越轨行为的分析广义线性回归模型

折叠所有页面

句法

TBL = devianceTest（MDL）

描述

例

TBL= devianceTest（MDL）返回广义线性回归模型的偏差表中的分析MDL。桌子TBL给出了测试的确定是否该模型的结果MDL配合显著优于一常数模型。

例子

全部收缩

执行测试越轨

开立真实脚本

执行对广义线性回归模型中的偏差测试。

使用泊松随机数具有两个潜在的预测因子生成的样本数据X（：，1）和X（：，2）。

RNG（'默认'）％用于重现rndvars = randn（100,2）;X = [2个+ rndvars（：，1），rndvars（：，2）];亩= EXP（1 + X * [1; 2]）;Y = poissrnd（亩）;

创建泊松数据的广义线性回归模型。

MDL = fitglm（X，Y，'Y〜X1 + X2'，'分配'，“泊松）

MDL =广义线性回归模型：日志（y）的〜1 + X1 + X2分布=泊松估计系数：估计SE TSTAT p值________ _________ ______（截距）1.0405 0.022122 47.034 0 X1 0.9968 0.003362 296.49 0×2 1.987 0.0063433 313.24 0 100观察，97个错误自由度分散体：1驰^ 2统计量与常数模型：2.95e + 05，p值= 0

测试是否从一个恒定的统计显著方式的模型不同。

TBL = devianceTest（MDL）

TBL =2×4表越轨DFE chi2Stat p值__________ ___ __________ ______日志（Y）〜1个2.9544e + 05 99日志（y）的〜1 + X1 + X2 107.4 97 2.9533e + 05 0

小p- 值表明，该模型显著从常数不同。请注意，模型显示MDL包括表中的第二行中示出的统计信息。

输入参数

全部收缩

`MDL`-广义线性回归模型
`GeneralizedLinearModel`目的|`CompactGeneralizedLinearModel`目的

广义线性回归模型，指定为GeneralizedLinearModel使用对象的创建fitglm要么stepwiseglm或CompactGeneralizedLinearModel使用对象的创建紧凑。

输出参数

全部收缩

`TBL`- 越轨汇总统计分析
表

越轨汇总统计分析，返回表。

TBL包含两个恒定的模型和模型偏差的统计分析MDL。该表包括这些列每个模型。

柱	描述
`越轨`	偏差是（相应的模型的loglikelihoods之间两倍的差异`MDL`或恒定）和饱和模式。欲了解更多信息，请参阅越轨。
`DFE`	自由的误差（残差）的度，等于ñ-p，其中ñ是观测值的数量，并且p是估计系数的数目
`chi2Stat`	Ft-统计或卡方统计，这取决于分散体是否被估计（Ft-统计）或未被（卡方统计） Ft-统计是常数模型的偏差和完整模型的偏差，通过所估计的分散划分之间的差。卡方统计是常数模型的偏差和完整模型的偏差之间的差异。
`p值`	p卡方统计与： - 值与测试相关联p- 1自由度，或F与t-统计p- 1分子自由度和`DFE`分母自由度，其中p是估计系数的数目