प्रत्येक , संतृप्त मॉडल से फिट होने की संभावना y i के समान होगी , या तो शून्य या एक। जैसा कि यहां बताया गया है, संतृप्त मॉडल की संभावना 1 है । इसलिए, इस तरह के मॉडल का विचलन हो जाएगा - 2 लॉग ( 1 / 1 ) = 0 , पर 0 df। यहाँ R से एक उदाहरण दिया गया है:yमैंyमैं1- 2 लॉग( १ / १ ) = ०0
y = c(1,1,1,0,0,0)
a <- factor(1:length(y))
fit <- glm(y~a,family=binomial)
summary(fit)
Deviance Residuals:
0 0 0 0 0 0
Null deviance: 8.3178e+00 on 5 degrees of freedom
Residual deviance: 2.5720e-10 on 0 degrees of freedom
nn(n−1)
> k2
[1] 1 2 3 4 5 6 1 2 3 4 5 6
Levels: 1 2 3 4 5 6
> y2
[1] 1 1 1 0 0 0 1 1 1 0 0 0
> fit3 = glm(y2 ~ k2, family = binomial)
> summary(fit3)
Null deviance: 1.6636e+01 on 11 degrees of freedom
Residual deviance: 5.1440e-10 on 6 degrees of freedom
दरअसल, यह पता चला है कि आर में संतृप्त मॉडल इनपुट के रूप पर निर्भर करता है, भले ही डेटा बिल्कुल समान हो, जो बहुत अच्छा नहीं है। विशेष रूप से, ऊपर के उदाहरण में 12 अवलोकन और 6 कारक स्तर हैं, इसलिए संतृप्त मॉडल में 6 पैरामीटर होने चाहिए, न कि 12. सामान्य रूप से, एक संतृप्त मॉडल को एक के रूप में परिभाषित किया जाता है, जहां मापदंडों की संख्या संख्या के बराबर होती है। अलग कोवरिएट पैटर्न। मुझे पता नहीं क्यों आर कोड "स्वीकार" कि कारक k2 में 6 अलग-अलग स्तर हैं, और फिर भी संतृप्त मॉडल को 12 मापदंडों के साथ फिट किया गया था।
अब, यदि हम "द्विपद" रूप में समान डेटा का उपयोग करते हैं, तो हमें एक सही उत्तर मिलेगा:
y_yes = 2 * c(1,1,1,0,0,0)
y_no = 2 * c(0,0,0,1,1,1)
x = factor(c(1:6))
> x
[1] 1 2 3 4 5 6
Levels: 1 2 3 4 5 6
> y_yes
[1] 2 2 2 0 0 0
> y_no
[1] 0 0 0 2 2 2
modelBinomialForm = glm(cbind(y_yes, y_no) ~ x, family=binomial)
Deviance Residuals:
[1] 0 0 0 0 0 0
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.490e+01 1.096e+05 0 1
x2 1.375e-08 1.550e+05 0 1
x3 1.355e-08 1.550e+05 0 1
x4 -4.980e+01 1.550e+05 0 1
x5 -4.980e+01 1.550e+05 0 1
x6 -4.980e+01 1.550e+05 0 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1.6636e+01 on 5 degrees of freedom
Residual deviance: 3.6749e-10 on 0 degrees of freedom
अब हम देखते हैं कि संतृप्त मॉडल में 6 पैरामीटर हैं और यह फिट किए गए मॉडल के साथ मेल खाता है। इसलिए, शून्य विचलन (6 - 1) = 5 df है, और अवशिष्ट अवमूल्यन (6-6) = 0 df है।