सामान्यीकृत रैखिक मिश्रित मॉडल: डायग्नोस्टिक्स

Question

मेरे पास एक यादृच्छिक अवरोधन लॉजिस्टिक रिग्रेशन (बार-बार माप के कारण) है और मैं कुछ डायग्नोस्टिक्स करना चाहूंगा, विशेषकर आउटलेर्स और प्रभावशाली टिप्पणियों से संबंधित।

मैंने अवशिष्टों को देखने के लिए देखा कि क्या ऐसे अवलोकन हैं जो बाहर खड़े हैं। लेकिन मैं कुक की दूरी या DFFITS जैसी चीज़ों को भी देखना चाहूंगा। होसमेर और लेमेशो (2000) का कहना है कि सहसंबद्ध डेटा के लिए मॉडल नैदानिक ​​उपकरण की कमी के कारण, किसी को सहसंबंध की अनदेखी करने वाले नियमित लॉजिस्टिक प्रतिगमन मॉडल को फिट करना चाहिए और नियमित लॉजिस्टिक प्रतिगमन के लिए उपलब्ध डायग्नोस्टिक्स उपकरणों का उपयोग करना चाहिए। उनका तर्क है कि यह कोई निदान न करने से बेहतर होगा।

पुस्तक 2000 से है और मुझे आश्चर्य है कि क्या मिश्रित निदान लॉजिस्टिक प्रतिगमन के साथ मॉडल डायग्नोस्टिक्स के लिए अब उपलब्ध तरीके हैं? आउटलेर्स के लिए जाँच करने के लिए एक अच्छा तरीका क्या होगा?

संपादित करें (5 नवंबर, 2013):

प्रतिक्रियाओं की कमी के कारण, मैं सोच रहा हूं कि मिश्रित मॉडल के साथ निदान करना सामान्य रूप से नहीं किया जाता है या जब मॉडलिंग डेटा के लिए एक महत्वपूर्ण कदम नहीं है। तो मुझे अपने प्रश्न को फिर से समझने दें: एक "अच्छा" प्रतिगमन मॉडल मिलने के बाद आप क्या करते हैं?

Comments

इसी तरह के हालिया प्रश्न का संभावित डुप्लिकेट जो कि उतना ध्यान आकर्षित नहीं करता था: आंकड़े.stackexchange.com/q/70783/442

— हेनरिक

हो सकता है कि आपको एक समान प्रश्न के लिए मेरा उत्तर मददगार लगे।

— रान्डेल

Answer 1

नैदानिक ​​तरीके सामान्यीकृत रैखिक मिश्रित मॉडल के लिए वास्तव में अलग हैं। एक उचित जिसे मैंने देखा है कि एक GLMM के अवशेषों पर आधारित है, जो पैन और लिन (2005, DOI: 10.1111 / j.1541-0420.2005.00365.x) के कारण है।)। वे अवशिष्ट के संचयी योगों का उपयोग करते रहे हैं, जहां या तो व्याख्यात्मक चर द्वारा या रैखिक भविष्यवक्ता द्वारा लगाया जाता है, इस प्रकार या तो किसी दिए गए भविष्यवक्ता के कार्यात्मक रूप के विनिर्देश का परीक्षण या संपूर्ण फ़ंक्शन के रूप में। अशक्त वितरण सही स्पेसिफिकेशन्स के अशक्त वितरण से डिजाइन स्पेस से सिमुलेशन पर आधारित होते हैं, और उन्होंने इस परीक्षण के सभ्य आकार और शक्ति गुणों का प्रदर्शन किया। उन्होंने विशेष रूप से आउटलेर्स पर चर्चा नहीं की, लेकिन मैं कल्पना कर सकता हूं कि आउटलेयर को कम से कम लिंक फ़ंक्शन को प्रभावशाली अवलोकन की ओर बहुत अधिक मोड़कर फेंक देना चाहिए।

Answer 2

मिश्रित मॉडल के लिए निदान को देखने का सबसे अच्छा तरीका क्या है, इस पर कई अलग-अलग राय हैं। आम तौर पर, आप दोनों अवशिष्ट और मानक पहलुओं को देखना चाहेंगे जो एक गैर-दोहराया-माप मॉडल के लिए जांच की जाएगी।

उन लोगों के अलावा, आम तौर पर, आप स्वयं यादृच्छिक प्रभावों को भी देखना चाहेंगे। तरीकों में अक्सर विभिन्न कोवरिएट्स द्वारा यादृच्छिक प्रभावों की साजिश रचने और यादृच्छिक प्रभावों के वितरण में गैर-सामान्यता की तलाश होती है। कई और तरीके हैं (कुछ पूर्व टिप्पणियों में उल्लिखित हैं), लेकिन यह आमतौर पर एक अच्छी शुरुआत है।