我知道标准化的Pearson残差是以传统的概率方式获得的:
和偏差残差通过更统计的方式获得(每个点对可能性的贡献):
其中 = 1,如果 = 1和 = -1,如果 = 0。
您能直观地向我解释如何解释偏差残差的公式吗?
此外,如果我要选择一个,那一个更合适,为什么呢?
顺便说一句,一些参考文献声称我们基于以下项得出偏差残差
其中是上面提到的。
我知道标准化的Pearson残差是以传统的概率方式获得的:
和偏差残差通过更统计的方式获得(每个点对可能性的贡献):
其中 = 1,如果 = 1和 = -1,如果 = 0。
您能直观地向我解释如何解释偏差残差的公式吗?
此外,如果我要选择一个,那一个更合适,为什么呢?
顺便说一句,一些参考文献声称我们基于以下项得出偏差残差
其中是上面提到的。
Answers:
Logistic回归寻求最大化对数似然函数
where is the predicted probability that case i is ; is the number of cases observed as and is the number of (the rest) cases observed as .
That expression is equal to
because a case's deviance residual is defined as:
Thus, binary logistic regression seeks directly to minimize the sum of squared deviance residuals. It is the deviance residuals which are implied in the ML algorithm of the regression.
The Chi-sq statistic of the model fit is , where full model contains predictors and reduced model does not.