Seite 2 von 2
Re: Mixed effect Modell - hohe P-Werte u.a.m.
Verfasst: Do Feb 09, 2017 8:37 pm
von EDi
Genau, das ist ein guter Anfang. Wenn du jetzt spezifische Hypothesen testen möchtest (e.g. Wahrscheinlichkeit Meinung0 ist größer als Meinung2) empfehle ich das lsmeans package.
Sofern mein Verständnis passt, frage ich mich noch, wie man testen kann, dass das Modell die Daten sinnvoll wiedergibt. Ich mache mir Sorgen, dass das alles schön und gut ist, aber total falsch...
Logistische Regression ist nicht so einfach zu diagnostizieren.... (Falls jemand einen guten Workflow hat - her damit
)
Viele plots machen (jittern ist da sehr hilfreichen), fachspezifisches Wissen mit einbringen, Binning könnte auch helfen.
Hier ein Beispiel für plots.
Einpaar Ideen gibts
hier,
hier und
hier. Das
DHARMa package könnte auch sehr nützlich werden (in der vignette gibts auch ein Beispiel)
Re: Mixed effect Modell - hohe P-Werte u.a.m.
Verfasst: Fr Feb 10, 2017 4:43 pm
von RUser
Danke für die Links!
Ich habe mit dem DHARMa-Paket eine Grafik erstellt und angehängt.
Code:
Code: Alles auswählen
library(DHARMa)
simulationOutput <- simulateResiduals(fittedModel = mod_b)
plotSimulatedResiduals(simulationOutput = simulationOutput)
Das sieht ausgesprochen gut aus. Die Residuen im QQ-Plot schlängeln sich schön der 45°-Linie hoch. Rechts sind die roten Linien nicht exakt waagerecht. Aber wenn ich das richtig verstanden habe, wäre dazu ein perfektes Modell nötig und welches Modell ist schon perfekt. Kurzum, ich verstehe die Grafik so, dass sie den hohen Fit des Modells auf die Daten zeigt.
Der KS-Test macht mich da weniger optimistisch.
Code: Alles auswählen
> testUniformity(simulationOutput = simulationOutput)
One-sample Kolmogorov-Smirnov test
data: simulationOutput$scaledResiduals
D = 0.019909, p-value = 0.1938
alternative hypothesis: two-sided
Hier habe ich eine Frage. Ist das nun ein gutes oder eher schlechtes Ergebnis? Der p-Wert ist hoch, aber wie ist das hier zu interpretieren?
Freue mich über Gedanken und Hilfestellung
Re: Mixed effect Modell - hohe P-Werte u.a.m.
Verfasst: Sa Feb 11, 2017 10:35 am
von EDi
Jupp, die plots zeigen keine Probleme auf.
Der Test zeigt auch keine signifikante Abweichung von der Gleichverteilung an.
[Er testet ja H0: Daten sind gleichverteilt. Da p > 0.05, haben wir keine Hinweise dafür, dass sie aus einer anderen Verteilung entstehen.]
Re: Mixed effect Modell - hohe P-Werte u.a.m.
Verfasst: So Feb 12, 2017 1:52 am
von RUser
Prima, dann passt da alles zusammen.
Ich denke, mehr werde ich an "Beweisen" für die Güte des Modells nicht in meiner Hausarbeit unterkriegen können.
Freut mich aber sehr, dass da belastbare Resultate rausgekommen sind
Danke nochmal!