Szukałem sposobów przeprowadzenia testu współczynnika wiarygodności w R, aby porównać pasowania modeli. Po raz pierwszy zakodowany to sam, a następnie znaleźć zarówno domyślną anova()
funkcją, a także lrtest()
w lmtest
pakiecie. Kiedy jednak sprawdziłem, anova()
zawsze produkuje nieco inną wartość p od pozostałych dwóch, mimo że parametr „test” jest ustawiony na „LRT”. Czy anova()
faktycznie wykonuje jakiś subtelnie inny test, czy też czegoś nie rozumiem?
Platforma: R 3.2.0 działająca na Linux Mint 17, lmtest
wersja 0.9-33
Przykładowy kod:
set.seed(1) # Reproducibility
n=1000
y = runif(n, min=-1, max=1)
a = factor(sample(1:5, size=n, replace=T))
b = runif(n)
# Make y dependent on the other two variables
y = y + b * 0.1 + ifelse(a==1, 0.25, 0)
mydata = data.frame(y,a,b)
# Models
base = lm(y ~ a, data=mydata)
full = lm(y ~ a + b, data=mydata)
# Anova
anova(base, full, test="LRT")
# lrtest
library(lmtest)
lrtest(base, full)
# Homebrew log-likelihood test
like.diff = logLik(full) - logLik(base)
df.diff = base$df.residual - full$df.residual
pchisq(as.numeric(like.diff) * 2, df=df.diff, lower.tail=F)
Kiedy go uruchamiam, anova()
daje wartość p wynoszącą 0,6071, podczas gdy pozostałe dwa dają 0,60599. Mała różnica, ale spójna i zbyt duża, aby nieścisłości w przechowywaniu liczb zmiennoprzecinkowych. Czy ktoś może wyjaśnić, dlaczego anova()
daje inną odpowiedź?
źródło