Explicação de um modelo GLM
Olá pessoal, boa tarde. Tenho uma dúvida que acredito ser facilmente respondida. Como posso falar da explicabilidade de um modelo GLM ou de uma variável? Alguém tem poderia me ajudar? Pergunto isso no geral, mas agora pretendo aplicar isso em um log-linear que analisei com a função glm() distribuição poisson e log-link. Na verdade trata-se de uma análise log-linear, com todas as variáveis categóricas. O output com a função anova(modelo, "chisq") é esse: Analysis of Deviance Table Model: poisson, link: log Response: Freq Terms added sequentially (first to last) Df Deviance Resid. Df Resid. Dev Pr(>Chi) NULL 11 97.545 Parasitado 1 73.126 10 24.419 < 2.2e-16 *** Idade 2 9.239 8 15.180 0.009859 ** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Obrigado, André -- *MSc. André Lucas de O. Moreira* http://lattes.cnpq.br/7258065668864153 <http://www.wikiaves.com.br/perfil_andrelukinhas> http://www.wikiaves.com.br/perfil_andrelukinhas 79 8837-3562 79 9132-9093
O que o termo "explicabilidade" representa? Considerando que você quer dizer adequação do modelo aos dados, eu tenho um pouco de dificuldade em acreditar em medidas absolutas para isso. A mais conhecida e empregada das medidas é o melhor exemplo para isso, o R². Procure por "anscombe's quartet" no google imagens. Um alto R² não quer dizer que o modelo está mau especificado nem que pressupostos foram violados. O grau de adequação de um modelo dificilmente pode ser dado por um único número, isso é uma utopia. Acho mais valido uma boa inspeção dos pressupostos por meio de gráficos, preditos vs observados, valores das estimativas dentro de faixas não esquisitas, etc. À disposição. Walmes.
Obrigado pela sua opinião Walmes. Uma coisa que sempre me deixa confuso é a diferença entre os outputs dos modelos lineares e os GLMs. Talvez por isso busque parâmetros semelhantes. Por exemplo, nesse output que anexei ao e-mail tem dois resultados de grau de liberdade e dois de deviance. Qual deles usar? E uma dúvida básica: como se deve interpretar o deviance? Obrigado, André Em 10 de julho de 2015 17:26, Walmes Zeviani <walmeszeviani@gmail.com> escreveu:
O que o termo "explicabilidade" representa? Considerando que você quer dizer adequação do modelo aos dados, eu tenho um pouco de dificuldade em acreditar em medidas absolutas para isso. A mais conhecida e empregada das medidas é o melhor exemplo para isso, o R². Procure por "anscombe's quartet" no google imagens. Um alto R² não quer dizer que o modelo está mau especificado nem que pressupostos foram violados. O grau de adequação de um modelo dificilmente pode ser dado por um único número, isso é uma utopia. Acho mais valido uma boa inspeção dos pressupostos por meio de gráficos, preditos vs observados, valores das estimativas dentro de faixas não esquisitas, etc.
À disposição. Walmes.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- *MSc. André Lucas de O. Moreira* http://lattes.cnpq.br/7258065668864153 <http://www.wikiaves.com.br/perfil_andrelukinhas> http://www.wikiaves.com.br/perfil_andrelukinhas 79 8837-3562 79 9132-9093
Para ser simples e não entrar em detalhes, eu costumo enfatizar que deviance ~ desviancia ~ desvio ~ variação ~ variância. A soma de quadrados é uma deviance. O quadro de análise de variância é um quadro de análise de deviance. A interpretação é a mesma: os graus de liberdade (Df) representam o número de parâmetros sob hipótese, a deviance residual é a redução na deviance obtida pela inclusão do termo do modelo (inclusão, portanto hipóteses sequenciais) e a estatística de teste (qui quadrado ou F) para testar a hipótese de efeito nulo para cada termo do modelo. Ou seja, do quadro de ANOVA já conhecido, na deviance não tem o equivalente ao quadrado médio, apenas. Para exercício, rode o CRM e comapre um glm com família gaussian com um lm. str(warpbreaks) m.lm <- lm(breaks~wool*tension, data=warpbreaks) m.glm <- glm(breaks~wool*tension, data=warpbreaks, family=gaussian) anova(m.lm) anova(m.glm, test="F") str(swiss) m.lm <- lm(Infant.Mortality~., data=swiss) m.glm <- glm(Infant.Mortality~., data=swiss, family=gaussian) anova(m.lm) anova(m.glm, test="F") À disposição. Walmes.
Gostaria de saber se alguém poderia me enviar ou indicar algum material a respeito de estimação de parametros via máxima verossimilhança no R. Obrigado
Wagner talvez queira dar uma olhada em osso material do sinape 2012 www.leg.ufpr.br/mcie On Tue, 14 Jul 2015, Wagner Tassinari wrote:
Gostaria de saber se alguém poderia me enviar ou indicar algum material a respeito de estimação de parametros via máxima verossimilhança no R.
Obrigado
Vê se resolve: http://r-br.2285057.n4.nabble.com/R-br-Duvida-Estimacao-por-Maxima-Verossimi... Abs. Cícero C Nunes CEO - Diretor Presidente +55 (11) 99978.0026 +55 (16) 3397.0226 +55 (11) 3280.0226 <mailto:cicero.nunes@posicional.com> cicero.nunes@posicional.com <http://www.posicional.com/> www.posicional.com Skype: <callto:consultormp> consultormp <https://www.facebook.com/posicional> <https://twitter.com/posicional> <https://www.linkedin.com/company/posicional.com-consultoria-empresarial-ltda> De: R-br [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de Wagner Tassinari Enviada em: terça-feira, 14 de julho de 2015 18:38 Para: R-br Lista; Yahoo! Brazil Assunto: [R-br] Estimação de parametros via máxima verossimilhança no R Gostaria de saber se alguém poderia me enviar ou indicar algum material a respeito de estimação de parametros via máxima verossimilhança no R. Obrigado
participantes (5)
-
André Lucas de Oliveira Moreira -
Cícero C Nunes [rh] -
Paulo Justiniano -
Wagner Tassinari -
Walmes Zeviani