zxscu 发表于 2011-1-27 23:57
HL的原假设是因变量的观测值与模型预测值不存在差异,即原假设是拟合效果好。因此,伴随概率越大,越不能拒 ...
如10楼所说,以及《Logistic回归模型--方法与应用》(王济川、郭志刚)p65,p16页,HL的原假设是否应该是:连加号yi =连加号pi(估计),yi是观测值表示事件发生的次数
条件概率p表示的是在xi(自变量)等条件下,事件发生或不发生的概率,表达式为logistic回归模型(在这里公式不好编辑,可以查《Logistic回归模型--方法与应用》(王济川、郭志刚)p3 公式1.3.7
P(估计)是根据采用最大似然法估计出来的系数,logistic回归模型里得到的p值(并不一定完全和观测值一致)
HL的原假设应该是,假设“事件发生次数的观测值之和等于预测概率之和”
由于HL检验是把样本分为10组,所以下角标yi表示为1~10
不知道说的是否正确,恳请高手指教。
另外有个问题:在上面提到的书中“通过pearson卡方来概括这些分组中的事件结果的观测数和预测数,然后将其与自由度为10-2的卡方分布进行比较”请问这个怎么理解,是如何比较,比较大小吗?请赐教