问题标签 [goodness-of-fit]

我现在正在尝试使用lipsitz.test{generalhoslem} 测试 ordianl 模型的拟合优度。根据文档，该函数可以同时处理 polr 和 clm。但是，当我尝试clm在lipsitz.test函数中使用时，会发生错误。这是一个例子

有什么解决方案可以解决这个问题吗？非常感谢。

Scipy 有一种使用数组计算拟合优度的相当好的方法。

除此之外，还有另一种方法来测试一般的拟合优度吗？

mfx我使用R 中的包估计了一些具有边际效应的二元逻辑模型logitmfx()。现在我需要拟合优度，例如 Nagelkerke R^2。使用包NagelkerkeR2()的fmsb返回错误：

“-rr$null 中的错误：一元运算符的参数无效”

如何获得模型的拟合优度？

谢谢！

Akaike 信息准则 (AIC) 和预测平方和误差 (PSSE) 是对模型进行排名的信息论和预测能力评估措施。

我试图根据这两个标准对模型进行排名。然而，排名完全相反，这意味着基于 AIC 排名最高的 6 个模型在 PSSE 中排名最低。

在这种情况下，我如何决定哪种措施是最好的。我试图寻找一些文章或研究论文，但不幸的是我找不到太多。任何信息，将不胜感激。

谢谢！

我正在对双变量数据进行 Clayton copula 的拟合优度测试，但它似乎不适用于某些配对。

这是我的代码

我收到此错误

fitCopula.ml 中的错误（copula，u = data，method = method，start = start，：'start' 包含 NA 值

它适用于其他对 (x,y)。可能是什么问题呢？

我有一个包含 30 个样本的向量，我想检验样本来自正态分布的总体的假设。

我使用了一个频率向量hist

我chisq.test用来检查对N.freq正态分布的适应度，但是，该函数需要一个参数p = 一个与 x 长度相同的概率向量，如 chisq.test 文档中所定义。我正在尝试为它生成一个向量，但老实说，我不知道要生成什么。我正在努力

我考虑过使用rescale.p=TRUE，但我不确定这是否会产生有效的测试。

编辑：如果我使用 rescale.p，我会收到一条警告消息

嗨，我想计算 RMSE，但似乎我犯了一些逻辑错误。这是我给出的以下代码：

residual = power -Pow_means; RMSE = rms(residual); variation = RMSE/mean(power);

我计算 RMSE 的方法是否正确？或者我必须进行什么校正才能计算 RMSE

尽管在相关问题中搜索了两天，但我还没有真正找到这个问题的答案......

在下面的代码中，我生成了 n 个正态分布的随机变量，然后用直方图表示：

之后，找到曲线拟合函数及其参数。它与参数 a1 和 b1 呈正态分布，并使用 scaling_factor 缩放以满足样本未归一化的事实。它确实非常适合直方图：

这是带有红色拟合函数的直方图。

之后，我想使用卡方检验来测试这个函数与直方图的拟合程度。此测试使用这些点中的观察值和预期值。为了计算期望值，我首先计算每个 bin 的中间位置，这个信息包含在数组 x_middle 中。然后我在每个 bin 的中点计算拟合函数的值，得到 expected_value 数组：

将其插入 Scipy 的卡方函数中，我得到的 p 值大约为 e-5 到 e-15 数量级，这告诉我拟合函数不描述直方图：

但这不是真的，函数非常适合直方图！

有人知道我在哪里做错了吗？

非常感谢！！查尔斯

ps：我把delta自由度的个数设置为2，因为2个参数a1和b1是从样本中估计出来的。我尝试使用其他 ddof，但结果仍然很差！

我使用fitrgp了高斯过程 matlab 工具箱并计算了给定观察值的预测值。我在三种不同的情况下进行了计算，得到了三个预测值数组ypred1，例如ypred2和ypred3。现在我想测试这些输出的拟合优度，以判断哪些算法值给出更准确的结果。详细信息fitrgp如下链接，

https://uk.mathworks.com/help/stats/gaussian-process-regression-models.html

如果有人在这方面帮助我，将不胜感激。提前谢谢你

我有一组数据并通过对数正态分布拟合相应的直方图。我首先计算对数正态函数的最佳参数，然后绘制直方图和对数正态函数。这给出了相当好的结果：

但是，在对数据与拟合函数进行 Kolmogorov-Smirnov 检验时，我得到的 p 值太低（大约为 e-32）：

这是不正常的，因为我们从图中看到拟合非常准确......有人知道我在哪里犯了错误吗？

非常感谢！！查尔斯