Comparar modelos

O que o bloco faz

models/compare Compara dois modelos aninhados por teste F ou razão de verossimilhanças. A saída é data/test.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

p-valor

A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.

Verossimilhança

O quanto um modelo, com certos valores de parâmetros, torna prováveis os dados observados. Estimar por máxima verossimilhança é escolher os parâmetros que maximizam essa medida; critérios como AIC e BIC partem dela.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Modelo linear generalizado (GLM)

Uma extensão do modelo linear para respostas que não são normais, como contagens (Poisson) e proporções ou sim/não (binomial). Uma função de ligação conecta a média da resposta à parte linear do modelo.

Pressuposto

Uma condição sob a qual o método dá resultados confiáveis, como resíduos normais ou observações independentes. Quando um pressuposto falha, p-valores e intervalos podem ficar errados, mesmo que a conta rode.

Quando usar

Use quando dois modelos aninhados diferem por um ou mais termos e a pergunta é se esses termos melhoram o ajuste.

Pressupostos

• Os modelos são aninhados (o menor é um caso particular do maior), da mesma família e ajustados nas mesmas linhas; o bloco recusa senão.

  Se falhar: Para modelos não aninhados, compare o AIC no models/fit_stats.

• O modelo maior atende aos pressupostos dele: o teste compara ajustes, não conserta um modelo errado.

  Verificar:Diagnóstico dos resíduosNormalidade dos resíduos

• No GLM e no misto, o teste é de razão de verossimilhança assintótico: pede amostra grande.

Configuração

Conecte os modelos menor e maior, ajustados à mesma resposta e às mesmas linhas.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "mtcars") |>
  tr_add("m1", "models/lm", formula = "mpg ~ wt", from = "dados") |>
  tr_add("m2", "models/lm", formula = "mpg ~ wt + hp", from = "dados") |>
  tr_add("resultado", "models/compare", from = c("m1", "m2"))

O segundo modelo acrescenta hp ao primeiro; ambos usam as mesmas linhas de mtcars.

Como interpretar

P-valor pequeno indica que os termos adicionais melhoram o ajuste sob as suposições do teste. Modelos mistos são reajustados por ML quando necessário.