Jeg prøver at beregne c-hat, overdispersionsparameteren for et QAIC-modelsæt. Ifølge Burnham og Anderson skal du beregne c -hat på den globale model. Er den globale model den model fra det a priori-sæt, der har flest parametre, eller er det en separat model, der ikke findes i kandidatsættet, der inkluderer en kombination af alle parametre, der bruges i kandidatsættet?
For eksempel med dette kandidatsæt af modeller:
1 grass+trees 2 grass*trees 3 grass*trees^2 4 shrubs 5 river Er den globale model simpelthen model # 3, eller er jeg: græs * træer ^ 2 + buske + flod?
Svar
Kort svar: begge.
Længere svar : Ideelt set ville din globale model bestå af alle variabler, der antages at være nyttige til dit specifikke forskningsspørgsmål. Det repræsenterer den mest komplekse model, hvis undersæt ville indeholde alle de vilkår, der overvejes af de andre modeller i dit kandidatsæt. Naturligvis kan en sådan global model muligvis være enorm, især hvis den inkluderer alle mulige interaktionsbetingelser.
I betragtning af ovenstående vil jeg sige, at din globale model ser ud til at være:
6 græs * træer ^ 2 + buske + flod
Burnham og Andersen (2002) diskuterer den globale model mere detaljeret, og hvorfor du måske vil medtage den i din analyse. Det ser ud til at være inkluderet som et middel til at teste den samlede pasform med den opfattelse, at hvis den globale model ikke passer dataene godt, så er det sandsynligt, at delmængder af den globale model, som ville eksistere i dit kandidatsæt, vandt heller ikke. Se specifikt afsnit 1.3.6, s.26 i B & A “s (2002) bog for mere information.
HTH