Teste da razão de verossimilhança
Modelos e regressão · distribuição de referência: χ²(gl)
Quando usar
Comparar dois modelos aninhados ajustados por máxima verossimilhança, como numa regressão logística.
Hipótese nula
O modelo menor é suficiente.
Pressupostos
- Modelos aninhados
- Amostra grande
Estatística
G^2 = 2\left(\ell_{\text{completo}} - \ell_{\text{reduzido}}\right)Tamanho de efeito
Pseudo-R² de McFadden, comparando com o modelo só com intercepto.
R^2_{\text{McF}} = 1 - \dfrac{\ell_{\text{completo}}}{\ell_{\text{nulo}}}Como reportar
G²(2) = 9,8; p = 0,007
No R e no Python
R
anova(reduzido, completo, test = "LRT")Python
G2 = 2 * (completo.llf - reduzido.llf)
p = stats.chi2.sf(G2, completo.df_model - reduzido.df_model)No Python, stats é scipy.stats e np é numpy.
Variantes e alternativas
- Wald e escore, aproximações do mesmo teste
Onde fica no catálogo
Modelos e regressão. Testes feitos dentro de um modelo ajustado: se um coeficiente importa, se o modelo explica algo e se os resíduos cumprem os pressupostos.
Na árvore de decisão
- O que você quer fazer? Testar um modelo de regressão
- O que você quer testar? Se um modelo maior vale a pena frente a um menor
Também aparece junto de outros testes:
- Como alternativa a Wald.