我如何 运行 Wald/Score/Likelihood R 中只有一个向量的比率测试？
How do i run Wald/Score/Likelihood Ratio Test in R with only one vector?
我已经手动计算了测试统计数据，但想确认我的答案是否正确。分配矢量值后，我不知道从哪里开始。
大样本时，Wald检验统计量、score检验统计量、似然比检验统计量近似服从chisquare df=1分布。 Y~二项式 (1,pi)，其中 P(Y=1)=pi 且 P(Y=0)=1-pi。观察 Yi, i = 1 到 m 是 iid 为 Y.
对于 m = 10 和数据 (0, 1, 0, 0, 1, 0, 0, 0, 1, 0)，使用这些统计量来检验原假设 pi=0.3。
免责声明：虽然这是作业相关，但R部分不是作业的一部分。我很好奇我是否可以 运行 R 中的这个问题来确认我的答案。
您需要在 glm 中输入一个“1”来表示常数项。
x=c(0, 1, 0, 0, 1, 0, 0, 0, 1, 0)
glm(x~1)
这相当于拟合一个没有数据的 GLM，只有一个截距。
您需要设置一个偏移项来代表您在对数赔率尺度上的零假设：
glm( dat ~ offset(rep(log(0.3/0.7),10)), family=binomial)
Call: glm(formula = dat ~ offset(rep(log(0.3/0.7), 10)), family = binomial)
Coefficients:
(Intercept)
1.17e-12
Degrees of Freedom: 9 Total (i.e. Null); 9 Residual
Null Deviance: 12.22
Residual Deviance: 12.22 AIC: 14.22
截距估计基本上为 0，因为观察到的赔率处于假设值；然而，事件的数量是如此之少，以至于无论结果如何，都不太可能确定传统水平的统计显着性。 p 值是数据不符合假设值的概率，而在这种情况下它符合。
我已经手动计算了测试统计数据，但想确认我的答案是否正确。分配矢量值后，我不知道从哪里开始。
大样本时，Wald检验统计量、score检验统计量、似然比检验统计量近似服从chisquare df=1分布。 Y~二项式 (1,pi)，其中 P(Y=1)=pi 且 P(Y=0)=1-pi。观察 Yi, i = 1 到 m 是 iid 为 Y.
对于 m = 10 和数据 (0, 1, 0, 0, 1, 0, 0, 0, 1, 0)，使用这些统计量来检验原假设 pi=0.3。
免责声明：虽然这是作业相关，但R部分不是作业的一部分。我很好奇我是否可以 运行 R 中的这个问题来确认我的答案。
您需要在 glm 中输入一个“1”来表示常数项。
x=c(0, 1, 0, 0, 1, 0, 0, 0, 1, 0)
glm(x~1)
这相当于拟合一个没有数据的 GLM，只有一个截距。
您需要设置一个偏移项来代表您在对数赔率尺度上的零假设：
glm( dat ~ offset(rep(log(0.3/0.7),10)), family=binomial)
Call: glm(formula = dat ~ offset(rep(log(0.3/0.7), 10)), family = binomial)
Coefficients:
(Intercept)
1.17e-12
Degrees of Freedom: 9 Total (i.e. Null); 9 Residual
Null Deviance: 12.22
Residual Deviance: 12.22 AIC: 14.22
截距估计基本上为 0，因为观察到的赔率处于假设值；然而，事件的数量是如此之少，以至于无论结果如何，都不太可能确定传统水平的统计显着性。 p 值是数据不符合假设值的概率，而在这种情况下它符合。