संभावना अनुपात परीक्षण और वाल्ड परीक्षण आर में चमक के लिए अलग निष्कर्ष प्रदान करते हैं


11

मैं सामान्यीकृत, रैखिक और मिश्रित मॉडल से एक उदाहरण प्रस्तुत कर रहा हूं । मेरा MWE नीचे है:

Dilution <- c(1/128, 1/64, 1/32, 1/16, 1/8, 1/4, 1/2, 1, 2, 4)
NoofPlates <- rep(x=5, times=10)
NoPositive <- c(0, 0, 2, 2, 3, 4, 5, 5, 5, 5)
Data <- data.frame(Dilution,  NoofPlates, NoPositive)

fm1 <- glm(formula=NoPositive/NoofPlates~log(Dilution), family=binomial("logit"), data=Data)
summary(object=fm1)

उत्पादन


Call:
glm(formula = NoPositive/NoofPlates ~ log(Dilution), family = binomial("logit"), 
    data = Data)

Deviance Residuals: 
     Min        1Q    Median        3Q       Max  
-0.38326  -0.20019   0.00871   0.15607   0.48505  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)
(Intercept)      4.174      2.800   1.491    0.136
log(Dilution)    1.623      1.022   1.587    0.112

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 8.24241  on 9  degrees of freedom
Residual deviance: 0.64658  on 8  degrees of freedom
AIC: 6.8563

Number of Fisher Scoring iterations: 6

कोड


anova(object=fm1, test="Chisq")

उत्पादन


Analysis of Deviance Table

Model: binomial, link: logit

Response: NoPositive/NoofPlates

Terms added sequentially (first to last)


              Df Deviance Resid. Df Resid. Dev Pr(>Chi)   
NULL                              9     8.2424            
log(Dilution)  1   7.5958         8     0.6466  0.00585 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1   1

कोड


library(aod)
wald.test(b=coef(object=fm1), Sigma=vcov(object=fm1), Terms=2)

उत्पादन


Wald test:
----------

Chi-squared test:
X2 = 2.5, df = 1, P(> X2) = 0.11

अनुमानित गुणांक पूरी तरह से पुस्तक में दिए गए परिणामों के साथ मेल खा रहे हैं, लेकिन एसई दूर हैं। एलआरटी टेस्ट के आधार पर ढलान महत्वपूर्ण है लेकिन वाल्ड और जेड-टेस्ट ढलान गुणांक के आधार पर महत्वहीन है। मुझे आश्चर्य है कि अगर मुझे कुछ बुनियादी याद आती है। आपकी सहायता के लिये पहले से ही धन्यवाद।


जवाबों:


12

मुख्य समस्या यह है कि यदि आप अनुपात को अपनी प्रतिक्रिया चर के रूप में उपयोग करने जा रहे हैं, तो आपको weightsतर्क का उपयोग करना चाहिए । आपने "गैर-पूर्णांक # असफलताओं के बारे में एक चेतावनी को अनदेखा किया होगा" ...

Dilution <- c(1/128, 1/64, 1/32, 1/16, 1/8, 1/4, 1/2, 1, 2, 4)
NoofPlates <- rep(x=5, times=10)
NoPositive <- c(0, 0, 2, 2, 3, 4, 5, 5, 5, 5)
Data <- data.frame(Dilution,  NoofPlates, NoPositive)


fm1 <- glm(formula=NoPositive/NoofPlates~log(Dilution),
     family=binomial("logit"), data=Data, weights=NoofPlates)

coef(summary(fm1))
##               Estimate Std. Error  z value     Pr(>|z|)
## (Intercept)   4.173698  1.2522190 3.333042 0.0008590205
## log(Dilution) 1.622552  0.4571016 3.549653 0.0003857398

anova(fm1,test="Chisq")
##               Df Deviance Resid. Df Resid. Dev  Pr(>Chi)    
## NULL                              9     41.212              
## log(Dilution)  1   37.979         8      3.233 7.151e-10 ***

एलआरटी और वाल्ड परीक्षण के परिणाम अभी भी काफी अलग (हैं के -values बनाम ), लेकिन व्यावहारिक उद्देश्यों के हम आगे जा सकते हैं के लिए कहते हैं कि वे दोनों कर रहे हैं दृढ़ता से महत्वपूर्ण ... (इस मामले में (एकल पैरामीटर के साथ), बिल्कुल वैसा ही p- मान देता है ।)पी4×10-47×10-10aod::wald.test()summary()

वाल्ड बनाम प्रोफ़ाइल आत्मविश्वास अंतराल भी अलग-अलग हैं, लेकिन क्या CI (0.7,2.5) (Wald) और (0.9, 2.75) (LRT) व्यावहारिक रूप से भिन्न हैं , विशेष स्थिति पर निर्भर करता है।

वाल्ड:

confint.default(fm1)
##                   2.5 %   97.5 %
## (Intercept)   1.7193940 6.628002
## log(Dilution) 0.7266493 2.518455

प्रोफाइल:

confint(fm1)
##                   2.5 %   97.5 %
## (Intercept)   2.2009398 7.267565
## log(Dilution) 0.9014053 2.757092
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.