실제로 log-likelihood를 의미한다면 답은 항상 0이 아닙니다.
예를 들어, 포아송 데이터 : . 대한 로그 우도 는 다음과 같습니다.
Y = ( y 1 , … , y n ) ℓ ( μ ; Y ) = − n ∑ i = 1 μ i + n ∑ i = 1 y i 로그 μ i − n ∑ i = 1 로그yi∼Poisson(μi),i=1,…,nY=(y1,…,yn)
ℓ(μ;Y)=−∑i=1nμi+∑i=1nyilogμi−∑i=1nlog(yi!).(∗)
미분 에서 와 관련하는 와로 설정 (이것은 우리가 포화 모델의 MLE을 구하는 방법이다)
이것을 해결 얻을 대입 에 다시 에 대한 포화 모델의 로그 우도가 있음을 준다 :
가 매우 특별
하지 않으면 가치.( ※ ) μ i 0 − 1 + y iℓ(μ;Y)(∗)μi0μ나 μ I=Y나 μ I(*)μIℓ( μ ,Y)=N Σ 난=1, Y난(기록예I-1)-N Σ는 i가=1 명로그인(yi!)≠0yi
−1+yiμi=0.
μiμ^i=yiμ^i(∗)μiℓ(μ^;Y)=∑i=1nyi(logyi−1)−∑i=1nlog(yi!)≠0
yi
R
함수 의 도움말 페이지 glm
에서 항목 아래 deviance
에서이 문제에 대해 다음과 같이 설명합니다.
deviance
최대 로그 가능성의 두 배를 뺀 상수까지. 합리적인 경우 포화 모형이 이탈도 0을 갖도록 상수가 선택됩니다.
포화 모형 의 로그 우도 대신에 이탈 이 0으로 선택되어 있음을 언급했습니다 .
아마 당신이 정말로 확인하고 싶었던 것은 " 포화 모델 의 이탈 은 항상 0으로 주어진다"는 것입니다.이 이탈 이후 정의에 따라 사실입니다 ( Alan 의 범주 데이터 분석 (제 2 판) 4.5.1 섹션 참조 ). Agresti)는 지정된 GLM 대 포화 모형의 우도 비 통계량입니다. constant
는 R 문서에서 상기 실제로 포화 모델 배 최대화 로그 우도이다.
"그렇지만, 이탈 공식이 제시된 방식은 때때로이 양이 0이 아니라는 것을 암시합니다."는 아마도 이탈 용어라는 용어가 잘못 사용 된 것일 수 있습니다. 예를 들어, R의 두 비교의 가능도 비율 통계는 임의 (중첩) 모델 및 또한보다 정밀하게 되나 될 일탈로 불린다 차이 의 일탈 사이 과의 일탈 우리 경우 Agresti의 책에 주어진 정의를 철저히 따랐습니다.M 2 M 1 M 2M1M2M1M2
결론
포화 모형의 로그 우도는 일반적으로 0이 아닙니다.
포화 모형의 이탈도 (원래 정의에서)는 0입니다.
소프트웨어 (예 : R) 의 이탈 출력은 실제로 다른 것을 의미하므로 (제로 이탈의 차이) 0이 아닙니다.
다음은 일반적인 지수 군 사례와 다른 구체적인 예를 도출 한 것입니다. 지수 족 온 데이터 (참조한다고 가정 S 현대 응용 통계를 , 제 )
여기서 는 사전 가중치이며 는 분산 / 스케일 매개 변수입니다 (이항 및 포아송과 같은 많은 경우이 매개 변수는 알려진 반면 일반 및 감마와 같은 다른 경우에는이 매개 변수를 알 수 없음). 그러면 로그 우도는 다음과 같이 주어집니다 :
7
f(yi;θi,φ)=exp[Ai(yiθi−γ(θi))/φ+τ(yi,φ/Ai)].(1)
Aiφℓ(θ,φ;Y)=∑i=1nAi(yiθi−γ(θi))/φ+∑i=1nτ(yi,φ/Ai).
포아송 예제에서와 같이 포화 모델의 매개 변수는 다음
점수 함수 를 해결하여 추정 할 수 있습니다 .
0=U(θi)=∂ℓ(θ,φ;Y)∂θi=Ai(yi−γ′(θi))φ
위 방정식의 해를 나타내면 포화 모형의 로그 우도의 일반적인 형태 (scale 매개 변수를 상수로 처리)는 다음과 같습니다.
θ^i
ℓ(θ^,φ;Y)=∑i=1nAi(yiθ^i−γ(θ^i))/φ+∑i=1nτ(yi,φ/Ai).(∗∗)
이전 답변에서 의 오른쪽에있는 첫 번째 용어 가 항상 0 이라고 잘못 언급했습니다 . 위의 포아송 데이터 예제는 그것이 잘못되었음을 증명합니다. 보다 복잡한 예를 보려면 부록에 제공된 감마 분포 고려하십시오.(∗∗)Γ(α,β)
포화 감마 모형의 로그 우도에서 첫 번째 항의 증거는 0이 아닙니다 . 주어진
는 지수 패밀리 형식 이
되도록 먼저 매개 변수를 다시 설정해야합니다 . 이 검증 될 수없는 경우셔서
다음 표현 갖는다 :
여기서
f(y;α,β)=βαΓ(α)e−βyyα−1,y>0,α>0,β>0,
f(1)φ=1α,θ=−βα,
ff(y;θ,φ)=exp[θy−(−log(−θ))φ+τ(y,φ)],
τ(y,φ)=−logφφ+(1φ−1)logy−logΓ(φ−1).
따라서 포화 모델의 MLE는 입니다. 따라서
입니다. 가 특별한 값을
않는 한 .
θ^i=−1yiyi∑i=1n1φ[θ^iyi−(−log(−θ^i))]=∑i=1n1φ[−1−log(yi)]≠0,
yi