क्या मैंने इन संभावना अनुपातों की सही गणना की है?

Question

मैं आर के लिए ईज़ पैकेज का लेखक हूं , और मैं एनोवा के आउटपुट में संभावना अनुपात (एलआर) की स्वचालित गणना को शामिल करने के लिए एक अपडेट पर काम कर रहा हूं। विचार प्रत्येक प्रभाव के लिए एक एलआर प्रदान करना है जो उस प्रभाव के परीक्षण के अनुरूप है जो एनोवा प्राप्त करता है। उदाहरण के लिए, मुख्य प्रभाव के लिए LR एक मॉडल के लिए एक अशक्त मॉडल की तुलना का प्रतिनिधित्व करता है जिसमें मुख्य प्रभाव शामिल होता है, एक इंटरैक्शन के लिए LR एक मॉडल की तुलना का प्रतिनिधित्व करता है जिसमें दोनों घटक मुख्य प्रभाव बनाम एक मॉडल शामिल होता है जिसमें दोनों मुख्य प्रभाव शामिल होते हैं और उनकी बातचीत, आदि।

अब, LR अभिकलन की मेरी समझ Glover & Dixon ( PDF ) से आती है , जिसमें बुनियादी संगणना के साथ-साथ जटिलता के लिए सुधार शामिल हैं, और परिशिष्ट Bortolussi & Dixon ( परिशिष्ट PDF ) में शामिल हैं, जिसमें बार-बार माप चर से युक्त संगणनाएँ शामिल हैं। अपनी समझ का परीक्षण करने के लिए, मैंने इस स्प्रेडशीट को विकसित किया , जो एएनओएए (एक 2 * 2 * 3 * 4 डिजाइन से नकली डेटा का उपयोग करके उत्पन्न) से dfs & SSs लेता है और प्रत्येक प्रभाव के लिए LR की गणना के माध्यम से कदम उठाता है।

मैं वास्तव में इसकी सराहना करूंगा यदि कोई व्यक्ति इस तरह की संगणना के साथ थोड़ा अधिक आत्मविश्वास के साथ देख सके और सुनिश्चित कर सके कि मैंने सब कुछ सही ढंग से किया है। उन लोगों के लिए जो सार कोड पसंद करते हैं, यहां आर कोड है जो अपडेट को ezANOVA () पर लागू करता है (देखें। पंक्तियां। 15-95)।

Answer 1

यद्यपि एसएस मूल्यों से LR की गणना के बारे में तर्क काफी उचित है, एक न्यूनतम-वर्ग विधि बराबर है लेकिन संभावना अनुमान के समान नहीं है। (अंतर को उदाहरण के रूप में देखा जा सकता है, जैसे कि सी की गणना में, जो (n-1) कम से कम वर्गों में विभाजित है और n द्वारा अधिकतम-संभावना में विभाजित है। अधिकतम संभावना अनुमान इस प्रकार सुसंगत है, लेकिन थोड़ा पक्षपाती है। )।

इसके कुछ निहितार्थ हैं: आप LR की गणना कर सकते हैं क्योंकि संभावना आनुपातिक है$\frac{1}{s}$

मैंने स्प्रैडशीट पर ध्यान दिया है, लेकिन "बिना किसी कारण के LR" के लिए मान (मैं पूरी तरह से अनुसरण नहीं कर रहा हूं कि आप वास्तव में वहां क्या गणना करने का प्रयास कर रहे हैं) मेरे लिए अत्यधिक संभावना नहीं है।

एक तरफ ध्यान दें, LR परीक्षण की शक्ति यह है कि आप केवल उन मॉडलों के विपरीत कर सकते हैं जो आप चाहते हैं, आपको उन सभी के लिए ऐसा करने की ज़रूरत नहीं है (जो कि मल्टीटास्टिंग त्रुटि को कम करता है)। यदि आप हर पद के लिए ऐसा करते हैं, तो आपका एलआर पूरी तरह से एक एफ परीक्षण के बराबर है, और कम से कम वर्गों के मामले में, जहां तक ​​कि मैं उसी के बारे में संख्यात्मक रूप से भी जानता हूं।

आपका मील अलग-अलग हो सकता है, लेकिन मुझे कभी भी दो अलग-अलग रूपरेखाओं (यानी कम से कम वर्ग बनाम अधिकतम संभावना) की अवधारणाओं को मिलाने पर भरोसा नहीं रहा। व्यक्तिगत रूप से, मैं F आँकड़ों की रिपोर्ट करूँगा और LR को एक ऐसे फंक्शन में लागू करूँगा जो मॉडल की तुलना करने की अनुमति देता है (उदाहरण के लिए lme मॉडल के लिए एनोवा फ़ंक्शन जो वास्तव में ऐसा करता है)।

मेरे 2 सेंट।

पुनश्च: मैंने आपके कोड को देखा, लेकिन वास्तव में सभी चर का पता नहीं लगा सका। यदि आप टिप्पणियों का उपयोग करके अपने कोड की व्याख्या करेंगे, तो इससे जीवन फिर से आसान हो जाएगा। EXCEL शीट का पता लगाना भी आसान नहीं है। मैं बाद में दोबारा देखूंगा कि क्या मैं इससे कुछ बना सकता हूं।