2016-10-02 34 views
1

J'ai calculé les statistiques de test à la main, mais je veux confirmer que ma réponse est correcte. Je suis nouveau à R et je pense que cela devrait être assez facile, mais je ne sais pas par où commencer, après avoir assigné les valeurs vectorielles.Comment exécuter le test de rapport de test de Wald/Score/Likelihood dans R avec un seul vecteur?

Avec un grand échantillon, la statistique de test de Wald, la statistique de test de score et la statistique de test de rapport de vraisemblance ont approximativement la distribution chisquare df = 1. Y ~ binomiale (1, pi) avec P (Y = 1) = pi et P (Y = 0) = 1-pi. Observations Yi, i = 1 à m sont iid as Y.

Pour m = 10, et data (0, 1, 0, 0, 1, 0, 0, 0, 1, 0), utilisez ces statistiques pour tester l'hypothèse nulle pi = 0.3.

Clause de non-responsabilité: Bien qu'il s'agisse de devoirs, la partie R ne fait pas partie des devoirs. Je suis curieux de savoir si je peux exécuter ce problème en R pour confirmer mes réponses.

+0

cochez '? Prop.test' et'? Glm' ...? –

+0

Avez-vous fait des recherches sur la façon de faire cela dans R vous-même? Vous devriez vérifier ceci dehors ... http://stackoverflow.com/help/how-to-ask –

+0

Je sais que je peux courir 'glm' quand j'ai la variable dépendante et au moins une variable indépendante, et elle produira ces statistiques de test. Cependant, comment puis-je obtenir les statistiques s'il n'y a qu'un seul vecteur. – FettahP

Répondre

0

Vous devez mettre un "1" pour représenter un terme constant dans votre GLM.

x=c(0, 1, 0, 0, 1, 0, 0, 0, 1, 0) 
glm(x~1) 

Ceci équivaut à l'ajustement d'un GLM sans données, juste une ordonnée à l'origine.

+0

Ce serait un test pour pi = 0.5 –

+0

Merci, cela a tellement de sens! – FettahP

0

Vous devez définir un terme de décalage qui représente votre hypothèse nulle sur les Logg odds Échelle:

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 

L'estimation d'interception est essentiellement 0 puisque les chances sont observées à Teh valeur ont émis l'hypothèse; cependant, le nombre d'événements est si faible que la signification statistique aux niveaux conventionnels serait peu susceptible d'être établie quel que soit le résultat. La valeur p est la probabilité que les données ne correspondent pas à la valeur hypothétique, alors que c'est le cas dans le cas présent.