क्या एक मॉडल फिट स्टेटिस्टिक (एआईसी या बीआईसी की तरह) मौजूद है जो सिर्फ सापेक्ष तुलना के बजाय निरपेक्ष के लिए इस्तेमाल किया जा सकता है?

Question

मैं इस साहित्य से परिचित नहीं हूँ, इसलिए यदि यह एक स्पष्ट प्रश्न है तो कृपया मुझे क्षमा करें।

चूंकि एआईसी और बीआईसी संभावना को अधिकतम करने पर निर्भर करते हैं, ऐसा लगता है कि उनका उपयोग केवल किसी दिए गए डेटा-सेट को फिट करने के प्रयास के मॉडल के सेट के बीच सापेक्ष तुलना करने के लिए किया जा सकता है। मेरी समझ के अनुसार, डेटा-सेट 1 पर मॉडल ए के लिए एआईसी की गणना करना समझ में नहीं आएगा, डेटा-सेट 2 पर मॉडल बी के लिए एआईसी की गणना करें, और फिर दो एआईसी मूल्यों और न्यायाधीश की तुलना करें (उदाहरण के लिए) मॉडल ए फिट बैठता है डेटा सेट 1 मॉडल बी की तुलना में बेहतर है डेटा सेट 2 फिट बैठता है। या शायद मुझसे गलती हुई है और यह एक उचित बात है। कृपया मुझे बताओ।

मेरा सवाल यह है: क्या एक मॉडल फिट आँकड़ा मौजूद है जो सिर्फ सापेक्ष तुलना के बजाय निरपेक्ष के लिए इस्तेमाल किया जा सकता है? रैखिक मॉडल के लिए, तरह कुछ काम करेगा; इसमें एक परिभाषित सीमा और अनुशासन विशिष्ट विचार हैं जो "अच्छा" मान है। मैं कुछ और सामान्य खोज रहा हूं और सोचा कि मैं यहां विशेषज्ञों को पिंग करके शुरू कर सकता हूं। मुझे यकीन है कि किसी ने पहले इस तरह का सोचा है, लेकिन मुझे Google विद्वान पर एक उत्पादक खोज करने के लिए सही शर्तें नहीं पता हैं।$R^2$

किसी भी सहायता की सराहना की जाएगी।

Comments

यदि मॉडल A, डेटासेट 1 और मॉडल B फिट बैठता है डेटासेट 2 फिट बैठता है, तो तुलना करने के लिए कुछ भी नहीं है: मॉडल और डेटा पूरी तरह से अलग हैं। तो क्या आप पूरा करने की कोशिश कर रहे हैं? बीटीडब्ल्यू, इस संबंध में बेकार से भी बदतर है; कुछ आलोचना के लिए, को देखने के stats.stackexchange.com/questions/13314/...$R^2$

— whuber

क्या आप 'कुछ अधिक सामान्य' से मतलब रखते हैं, क्या आप उदाहरण के लिए ओटे के प्रकारों का उदाहरण दे सकते हैं जिन्हें आप विस्तार करना चाहते हैं? कुछ मॉडल दृष्टिकोण के लिए अनुकूल करना आसान होगा , उदाहरण के लिए नीच फिट बैठता है, लेकिन अन्य काफी कठिन होंगे, उदाहरण के लिए द्विपद डेटा। $R^2$

— 14

@ वाउर वाह, यह प्रश्न के लिए एक भयानक प्रतिक्रिया है ! लेकिन, इसकी अपर्याप्तता एक तरफ, का उपयोग यह कहने के लिए किया जाता है कि उनका मॉडल "निरपेक्ष" अर्थ में "अच्छा" है (उदाहरण के लिए "माय ऐसा है और ऐसा है, जो सामान्य रूप से देखने वाले की तुलना में बेहतर है ... ")। मैं एक ही उद्देश्य को पूरा करने के लिए तुलना में अधिक न्यायसंगत (और सामान्य) स्टेटिस्टिक की तलाश कर रहा हूं (उदाहरण के लिए "मेरा मैजिकस्टैटिस्टिक ऐसा है और ऐसा है जो बेहतर है ...)। मेरा पहला भोला विचार कुछ ऐसा करना था। एक के-गुना क्रॉस सत्यापन स्कोर को सामान्य करना, लेकिन ऐसा नहीं लगता है कि किसी ने भी ऐसा काम किया है (इसलिए इसका शायद अच्छा विचार नहीं है)।आर 2 आर 2 आर $R^2$$R^2$$R^2$$R^2$

— नाथन वानहुडनोस

@ नथन मुझे ऐसा नहीं लगता है जैसे मैं किसी बिंदु पर थिरक रहा हूं या इसके साथ जुनूनी हूं - मैं नहीं हूं - लेकिन मेरे साथ ऐसा होता है कि जो लोग अपने मॉडल का दावा करने के लिए का उपयोग करते हैं वे निरपेक्ष रूप से अच्छे हैं समझ अक्सर ... गलत हो सकता है। का एक सबक यह है कि एक मॉडल-फिटिंग सांख्यिकीय केवल डेटासेट के संदर्भ में व्याख्या करने योग्य है। जब दो डेटासेट में आम तौर पर कुछ भी नहीं होता है, तो ऐसे दो आंकड़ों की तुलना करने का वास्तव में क्या मतलब होगा? इसलिए, अपने प्रश्न को संबोधित करना शुरू करने के लिए, हमें यह सुनिश्चित करने की आवश्यकता है कि दो डेटासेट एक दूसरे से कैसे संबंधित हो सकते हैं। कोई सुझाव? आर $R^2$$R^2$

— whuber

केवल एक चीज जिसकी मैं कल्पना कर सकता हूं कि आप जिस बारे में बात कर रहे हैं वह भविष्यवाणी सटीकता की माप होगी। दो अलग-अलग डेटा सेट पर दो मॉडलों की गुणवत्ता की तुलना संभवतः की जा सकती है, जिसमें से एक सबसे अच्छा भविष्यवाणी करता है, हालांकि यह बिल्कुल भी सही नहीं है।

— मैक्रो

Answer 1

मैक्रों ने जो सुझाव दिया उसके अनुरूप मुझे लगता है कि आप जिस पद की तलाश कर रहे हैं वह एक प्रदर्शन मापक है। हालांकि यह भविष्य कहनेवाला शक्ति का समर्थन करने का एक सुरक्षित तरीका नहीं है, यह विभिन्न मॉडलों की फिटिंग गुणवत्ता की तुलना करने के लिए एक बहुत ही उपयोगी तरीका है।

एक उदाहरण उपाय औसत औसत प्रतिशत त्रुटि होगा, लेकिन उनमें से अधिक आसानी से पाया जा सकता है।

मान लीजिए कि आप किसी सड़क में छिद्रों की संख्या का वर्णन करने के लिए मॉडल के साथ सेटा का उपयोग करते हैं, और आप किसी देश में लोगों की संख्या का वर्णन करने के लिए सेटबी और मॉडलबी का उपयोग करते हैं, तो निश्चित रूप से आप यह नहीं कह सकते कि एक मॉडल दूसरे से बेहतर है, लेकिन आप कर सकते हैं कम से कम देखें कि कौन सा मॉडल अधिक सटीक विवरण प्रदान करता है।

Answer 2

कुछ नए-ईश पेपरों की तलाश है जो आप देख रहे हैं, मुझे लगता है; एक मॉडल में अस्पष्टीकृत विचरण की मात्रा को परिभाषित करने के लिए "R2 GLMM" नामक मिश्रित-प्रभाव वाले मॉडल के लिए नकागावा और शील्ज़ेथ (2013) एक Ristic आँकड़ा प्रस्तुत करते हैं।

सशर्त R²GLMM को विचलन के रूप में व्याख्या की जाती है, जो दोनों निश्चित और यादृच्छिक कारकों द्वारा समझाया गया है;

सीमांत R byGLMM निश्चित कारकों द्वारा समझाया गया विचरण का प्रतिनिधित्व करता है।

2014 में, जॉनसन ने यादृच्छिक ढलानों के मॉडल के लिए खाते को समीकरण अपडेट किया।

खुशी से, आप आसानी से आर ( बार्टन, 2015 ) में पैकेज "मुअम्मिन" का उपयोग करके सीमांत और सशर्त RMGLMM दोनों की गणना कर सकते हैं ।