R 使用方差分析输出解释测试GLM
我使用GLMs对R进行了一些分析。 在将正确的模型与数据拟合后,我通常使用R 使用方差分析输出解释测试GLM,r,output,glm,anova,interpretation,R,Output,Glm,Anova,Interpretation,我使用GLMs对R进行了一些分析。 在将正确的模型与数据拟合后,我通常使用 anova(model, test="F") 或 取决于分布情况 对于F-test,我得到了以下6列的输出: Df | Deviance | Resid. Df | Resid. Dev | F | Pr(>F) 是否可以引用测试结果,如: F(df, Resid.Df)=F, p= Pr(>F) 如果我对模型进行卡方检验, 我得到了以下5列的输出: Df | Deviance |
anova(model, test="F")
或
取决于分布情况
对于F-test,我得到了以下6列的输出:
Df | Deviance | Resid. Df | Resid. Dev | F | Pr(>F)
是否可以引用测试结果,如:
F(df, Resid.Df)=F, p= Pr(>F)
如果我对模型进行卡方检验,
我得到了以下5列的输出:
Df | Deviance | Resid. Df | Resid. Dev | Pr(>Chi)
我必须在这里报告什么?
我读到偏差对应于卡方值。
那么,报告如下内容是否可以:
X^2=Deviance, df=df, p=Pr(>Chi)
在这种情况下,df是df还是剩余df
还有一个一般性问题:这样报告GLM统计数据合适吗
我将非常感谢任何帮助或文献推荐!
谢谢 我赞同这样的报告:
X^2=Deviance, df=df, p=Pr(>Chi)
df=df,而非剩余df报告统计测试结果的惯例因引文风格、领域和期刊而异。我通过谷歌快速搜索找到了APA——我建议你四处看看,无论你打算使用什么样的引用方式,都可以找到类似的东西。谢谢你的回复!是的,我在谷歌上搜索了一下,找到了一些建议来引用不同统计测试的结果。然而,我没有找到一个好的实践来引用GLM。也许我的主要问题是理解df和resid差异背后的理论。输出中的df。
X^2=Deviance, df=df, p=Pr(>Chi)