df AIC公司 PT~年龄3 496.7536 PT~聚(年龄,2)4 490.3009
-
$\开始组$ 相关: stats.stackexchange.com/questions/232465/… $\端组$ – 加伦 评论 5月23日3:30 -
$\开始组$ 虽然AIC中的差异很有用,但并没有完全回答我的问题,因为我问的是模型的假设与“最佳”拟合。 $\端组$ – 丹尼 评论 5月23日3:44 -
$\开始组$ 评论并不是回答; 这就是答案。 $\端组$ – 加伦 评论 5月23日3:46 -
2 $\开始组$ 如果我正确理解这一点,关系中的曲率是可见的,也是合理的。 问题是,二次曲线形状与我看到的不匹配,或者至少是一个不同的故事,这是一个从大约55岁开始下降的近似平缓的关系。 (考虑到我自己的年龄,我对后者感到相当震惊。)你没有庞大的样本量,在任何情况下都不需要直接跳到这里“所以,它是二次的!”。 与选择函数形式的问题相比,我认为对AIC和BIC的大惊小怪是一个完全的副作用。样条方法可能会有所帮助。 $\端组$ – 尼克·考克斯 评论 5月24日8:33 -
1 $\开始组$ 我同意@NickCox的观点,即样条方法可能比多项式更好。 第一次读到这篇文章时,我把绘制的函数误认为是拟合函数,我认为多项式在很大一部分散点图中具有平坦分布的分布中表现更差。 $\端组$ – 肖恩·赫默斯特兰德 评论 5月24日9:03
1答案
-
-
1 $\开始组$ 我可能应该强调我第一句话中的“严格遵守”部分,以注意到这当然可能是一个问题,这取决于上下文(例如,拟合二进制结果,其中非正常残差表示明显的问题)。 我的主要问题是,当人们仅仅将他们的数据转换为模糊数据时,因为残差最终看起来并不完全正常。。。 他们很少实践(至少从我的经验来看)。 在像OP这样的情况下,将模型作为-is进行拟合并不危险。我希望我能更有信心地说,序数模型是如何克服这一点的,但我将阅读该链接:) $\端组$ 评论 5月23日13:46 -
2