Próbuję obliczyć c-hat, parametr nadmiernej dyspersji dla zestawu modeli QAIC. Według Burnhama i Andersona „należy obliczyć c -hat w modelu globalnym. Czy model globalny jest modelem ze zbioru a priori, który ma najwięcej parametrów, czy też jest to oddzielny model, którego nie ma w zbiorze kandydującym, który zawiera kombinację wszystkich parametrów użytych w zbiorze kandydującym?
Na przykład z tym proponowanym zestawem modeli:
1 grass+trees 2 grass*trees 3 grass*trees^2 4 shrubs 5 river Czy model globalny to po prostu model nr 3, czy i: grass * drzewa ^ 2 + krzewy + rzeka?
Odpowiedź
Krótka odpowiedź: oba.
Dłuższa odpowiedź : Idealnie, twój model globalny składałby się ze wszystkich zmiennych, które uważa się za przydatne dla twojego konkretnego pytania badawczego. Reprezentowałby najbardziej złożony model, którego podzbiory zawierałyby wszystkie terminy rozważane przez inne modele w Twoim zbiorze kandydatów. Oczywiście taki model globalny może być potencjalnie ogromny, zwłaszcza jeśli uwzględni wszystkie możliwe terminy interakcji.
Biorąc pod uwagę powyższe, powiedziałbym, że Twój model globalny wygląda następująco:
6 trawa * drzewa ^ 2 + krzewy + rzeka
Burnham i Andersen (2002) omawiają bardziej szczegółowo model globalny i dlaczego warto go uwzględnić w swojej analizie. Wydaje się, że został on uwzględniony jako środek do testowania ogólnego dopasowania, z założeniem, że jeśli model globalny nie pasuje dobrze do danych, to jest prawdopodobne, że podzbiory tego modelu globalnego, które istniałyby w zestawie kandydatów, nie „t też nie. W szczególności spójrz na sekcję 1.3.6, str. 26 książki B & A” s (2002), aby uzyskać więcej informacji.
HTH