Jag försöker beräkna c-hat, överdispersionsparametern för en QAIC-modelluppsättning. Enligt Burnham och Anderson ska du beräkna c -hatt på den globala modellen. Är den globala modellen modellen från den a priori-uppsättning som har flest parametrar, eller är det en separat modell som inte finns i kandidatsatsen som innehåller en kombination av alla parametrar som används i kandidatuppsättningen?
Till exempel med den här kandidatuppsättningen modeller:
1 grass+trees 2 grass*trees 3 grass*trees^2 4 shrubs 5 river Är den globala modellen helt enkelt modell # 3, eller är jag: gräs * träd ^ 2 + buskar + flod?
Svar
Kort svar: båda.
Längre svar : Helst skulle din globala modell bestå av alla variabler som anses vara användbara för just din forskningsfråga. Det skulle representera den mest komplexa modellen vars underuppsättningar skulle innehålla alla termer som beaktas av de andra modellerna i din kandidatsats. Naturligtvis kan en sådan global modell vara potentiellt enorm, speciellt om den inkluderar alla möjliga interaktionsvillkor.
Med tanke på ovanstående skulle jag säga att din globala modell verkar vara:
6 gräs * träd ^ 2 + buskar + flod
Burnham och Andersen (2002) diskuterar den globala modellen mer detaljerat och varför du kanske vill inkludera den i din analys. Det verkar inkluderas som ett sätt att testa den totala passformen, med uppfattningen att om den globala modellen inte passar data bra, är det troligt att delmängder av den globala modellen, som skulle finnas i din kandidatsats, vann inte heller. Se specifikt avsnitt 1.3.6, s.26 i B & A ”s (2002) bok för mer information.
HTH