이 질문에 답하면서 John Christie는 로지스틱 회귀 모형의 적합도를 잔차를 평가하여 평가해야한다고 제안했습니다. OLS의 잔차를 해석하는 방법에 익숙합니다. DV와 같은 척도에 있으며 모형에서 예측 한 y와 y의 차이가 매우 명확합니다. 그러나 로지스틱 회귀 분석의 경우 과거에는 로지스틱 회귀 분석에서 잔차가 무엇을 의미하는지 알지 못했기 때문에 일반적으로 AIC와 같은 모형 적합도 추정치를 살펴 보았습니다. R의 도움말 파일 을 조금 살펴본 후 R에는 5 가지 유형의 glm 잔차가 있음을 알 수 있습니다 c("deviance", "pearson", "working","response", "partial")
. 도움말 파일은 다음을 참조합니다.
- Davison, AC 및 Snell, EJ (1991) 잔류 및 진단. 에서 : 통계 이론 및 모델링. FRS의 데이비드 콕스 경의 명예에 이어 . Hinkley, DV, Reid, N. 및 Snell, EJ, Chapman & Hall.
사본이 없습니다. 이러한 각 유형을 해석하는 방법을 설명하는 간단한 방법이 있습니까? 로지스틱 맥락에서 제곱 잔차의 합은 의미있는 모형 적합도를 제공합니까? 아니면 정보 기준을 사용하는 것이 더 낫습니까?
binnedplot
R 패키지 팔 의 함수 가 매우 유용한 잔차 플롯을 제공한다는 것을 알았습니다 . Gelman and Hill 2007의 p.97-101에 잘 설명되어 있습니다.