Chẩn đoán mô hình hồi quy logit
Ngoài ra, còn một số công cụ khác để đánh giá mức độ phù hợp của mô hình như tiêu chí AIC, BIC dựa trên kết quả ước lượng của mô hình hoặc sử dụng câu lệnh fitstat ngay sau câu lệnh ước lượng (logit hoặc logistic). Câu lệnh fitstat sẽ hiển thị và lưu lại các kết quả thống kê của mô hình. Chúng ta có thể sử dụng các kết quả lưu lại sau câu lệnh fitstat để so sánh độ phù hợp của các mô hình lồng nhau (chẳng hạn so sánh độ phù hợp của mô hình đầy đủ và mô hình rút gọn).
Ngoài ra, để so sánh lựa chọn mô hình chúng ta có thể sử dụng kiểm định tỉ lệ hợp lí (Likelihood Ratio) – lrtest trên Stata để lựa chọn mô hình. 3 bước để thực hiện lệnh lrtest:
Ước lượng một mô hình đầy đủ với các biến và lưu lại kết quả này
- logit hiqual yr_rnd meals cred_ml ym, nolog
- est store full
Ước lượng một mô hình rút gọn (chỉ bao gồm các biến được cho là phù hợp và có ý nghĩa thống kê) và lưu lại kết quả rút gọn này
- logit hiqual yr_rnd meals cred_ml ym if e(sample)[1]
- est store reduce
Thực hiện kiểm định LR qua câu lệnh lrtest
- lrtest full reduce, stats
Giả thiết H0 của LR là việc loại bỏ bớt các biến không phù hợp khỏi mô hình đầy đủ là cần thiết hay mô hình rút gọn là mô hình phù hợp.
. lrtest full reduce, stats Likelihood-ratio test LR chi2(1) = 4.86 (Assumption: reduce nested in full) Prob > chi2 = 0.0274 Akaike's information criterion and Bayesian information criterion ----------------------------------------------------------------------------- Model | Obs ll(null) ll(model) df AIC BIC -------------+--------------------------------------------------------------- reduce | 707 -349.0197 -156.3852 4 320.7703 339.0144 full | 707 -349.0197 -153.9533 5 317.9067 340.7118 ----------------------------------------------------------------------------- Note: N=Obs used in calculating BIC; see [R] BIC note
Ở đây, kết quả theo 2 tiêu chí AIC và BIC là không thống nhất nhau do ảnh hưởng bởi thành phần điều chỉnh trong cách tính (2*df đối với AIC và df*log(n) đối với BIC), có thể là ảnh hưởng bởi cở mẫu n = 707. Nếu theo tiêu chí hợp lí cực đại (LL) và AIC thì mô hình đầy đủ là phù hợp hơn mô hình rút gọn.