[R-es] estadístico de Wilks (razón de verosimilitudes) en regresión logística.
jose luis
canadasreche en gmail.com
Mie Ene 13 13:04:59 CET 2010
Hola a todos.
Necesito contrastar la bondad del ajuste en un modelo de regresión
logística con variable explicativa cualitativa.
He creado el modelo con :
modelo.ajustado<-glm(muerte~dosis,family=binomial,weights=Freq,data=datos)
dónde Freq son las frecuencias en cada categoría. Con
summary(modelo.ajustado)
Call:
glm(formula = muerte ~ dosis, family = binomial, data = datos,
weights = Freq)
Deviance Residuals:
Min 1Q Median 3Q Max
-4.5442 -2.5699 0.8772 6.6161 16.4381
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.5462 0.2673 -28.228 < 2e-16 ***
dosisB 0.4362 0.3061 1.425 0.15419
dosisC 0.9165 0.3524 2.601 0.00930 **
dosisD 1.2262 0.4632 2.647 0.00812 **
dosisE 2.1411 0.3857 5.552 2.83e-08 ***
dosisF 3.1459 0.3111 10.113 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2110.0 on 59 degrees of freedom
Residual deviance: 1960.8 on 54 degrees of freedom
AIC: 1972.8
Number of Fisher Scoring iterations: 8
Y no sé cómo calcular el estadístico G2, y su p-valor, pensaba que era
1-pchisq("devianza residual", gl). pero creo que no, que tiene algo que
ver con la diferencia de la log-verosimilitud entre el modelo saturado y
este. ¿cómo se podría hacer?
Gracias.
Más información sobre la lista de distribución R-help-es