Modèle saturé définition

Modèle fit: le modèle saturé a un ajustement de préfet, G2 = 0, DF = 0. DF = nombre de cellules − nombre de paramètres uniques dans le modèle. La raison pour laquelle nous exigeons seulement des jeux de paramètres qui sont strictement plus petits que le modèle est trivial: sans cette restriction, aucun modèle infini n`est saturé. Considérez un modèle M et le type {x ≠ m: m Chaque sous-ensemble fini de ce type est réalisé dans le modèle M (infini), donc par compacité, il est cohérent avec M, mais n`est pas réalisé trivialement. Toute définition qui est universellement insatisfait est inutile; d`où la restriction. Les deux valeurs de Chi-carré de l`Estat GOF pour notre modèle par rapport à un modèle saturé et le modèle de base versus saturé nous aident à comprendre comment notre modèle correspond aux données. Il est également utile si vous devez calculer AIC pour un modèle de quasi-probabilité. L`estimation de la dispersion doit provenir du modèle saturé. Vous divisez le LL que vous êtes ajustement par la dispersion estimée du modèle saturé dans le calcul AIC. Dans le modèle ci-dessus, nous avons estimé 15 paramètres; 2 coefficients structurels, 1 interception structurelle, 2 coefficients de mesure (chargements), 3 interceptions de mesure, 6 variances et 1 moyenne. La probabilité de log pour notre modèle était-2949,3343. Des modèles saturés existent pour certaines théories et cardinalités: dans de nombreuses situations, cependant, nous prenons le recours au modèle saturé seulement en dernier recours. À mesure que le nombre de variables se développent, les modèles saturés deviennent de plus en plus difficiles à interpréter.

Dans les sections suivantes, nous examinons des modèles plus simples qui sont utiles pour expliquer les associations parmi les variables discrètes d`intérêt. En revanche, un modèle qui n`est pas saturé (s`il est construit raisonnablement) donne des ajustements qui sont plus cohérents les uns avec les autres même sous une réalisation de bruit différente, et la variance du prédicteur sera également réduite. Sélection du modèle: pertinent lors de la comparaison avec des modèles plus simples. Le modèle saturé est le modèle le plus complexe possible!! En tant qu`expérience de pensée, imaginez que vous avez un modèle saturé, et il y a du bruit dans les données, puis Imaginez le montage du modèle quelques centaines de fois, à chaque fois avec une réalisation différente du bruit, puis de prédire un nouveau point. Vous êtes susceptible d`obtenir des résultats radicalement différents à chaque fois, à la fois pour votre ajustement et votre prédiction (et les modèles polynomiaux sont particulièrement flagrante à cet égard); en d`autres termes, la variance de l`ajustement et le prédicteur sont extrêmement élevés. L`Estat gof fait référence à trois modèles différents; 1) le modèle (celui que nous venons de courir), 2) le modèle saturé, et 3) le modèle de base. Avant de discuter des modèles saturés et de base, regardons un peu plus près le modèle ci-dessus. Dans ce modèle, le terme (lire évalue une interception (moyenne) mais aucun coefficient structurel.

Il n`y a pas de terme qui prédit Acad de lecture qui équivaut à définir ce coefficient structurel à zéro. Nous avons ajouté des termes pour la moyenne et la variance de la femelle. Enfin, par Convention, la variance des variables latentes est contrainte à zéro, ce que nous avons fait. Ce modèle est le modèle par défaut d`une manière qui sert à tester la bonté de l`ajustement des autres modèles. Rappelez-vous que le modèle saturé a le nombre maximal de paramètres et le montage d`un modèle saturé est le même que l`estimation des paramètres ML des distributions appropriées pour chaque cellule de la table de contingence. Un modèle est saturé si et seulement s`il a autant de paramètres qu`il a des points de données (observations). Ou autrement, dans les modèles non saturés, les degrés de liberté sont plus grands que zéro. S`il y a un terme d`interaction significatif, nous ne regardons pas les termes de l`ordre inférieur, mais n`interprétez que les termes d`ordre supérieur parce que les valeurs des termes d`ordre inférieur sont dépendantes du codage et peuvent être trompeuses.

0