The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Comparing the performance of likelihood ratio test and F-test for gamma generalized linear models

감마 일반화 선형 모형에서의 가능도비 검정과 F-검정 비교연구

  • Jo, Seongil (Department of Statistics (Institute of Applied Statistics), Chonbuk National University) ;
  • Han, Jeongseop (Department of Mathematics, Korea Military Academy) ;
  • Lee, Woojoo (Department of Statistics, Inha University)
  • 조성일 (전북대학교 통계학과 (응용통계연구소)) ;
  • 한정섭 (육군사관학교 수학과) ;
  • 이우주 (인하대학교 통계학과)
  • Received : 2018.05.08
  • Accepted : 2018.07.09
  • Published : 2018.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Gamma generalized linear models are useful for non-negative and skewed responses. However, these models have received less attention than Poisson and binomial generalized linear models. In particular, hypothesis testing for the significance of regression coefficients has not been thoroughly studied. In this paper we assess the performance of various test statistics for gamma generalized linear models based on numerical studies. Our results show that the likelihood ratio test and F-type test are generally recommended and that the partial deviance test should be avoided in practice.

감마 일반화 선형모형은 음이 아니며 치우침이 있는 반응변수에 유용한 모형으로 알려져 있다. 그러나 포아송 분포 또는 이항 분포에 기반한 일반화 선형모형에 비해 적은 관심을 받아왔다. 특히, 회귀계수의 유의성 검정에 대해서는 연구가 면밀히 되어 있지 않다. 본 논문에서는 감마 일반화 선형 모형의 검정에 대해 다양한 통계량들을 알아보고 수치 연구를 통해 그들의 성능을 비교한다. 수치 실험의 결과 부분 이탈도 검정 방법의 문제점이 나타났으며, 가능도비 검정 방법과 F-검정 방법이 좋은 성능을 보임을 확인하였다.

Keywords

References

  1. Czado, C. (2004). Lecture Note in Gamma Regression, from: https://www.statistics.ma.tum.de/fileadmin/w00bdb/www/czado/lec8.pdf
  2. Jo, S. and Lee, W. (2017). Comparing the efficiency of dispersion parameter estimators in gamma generalized linear models, The Korean Journal of Applied Statistics, 30, 95-102. https://doi.org/10.5351/KJAS.2017.30.1.095
  3. Jorgensen, B. (2013). Generalized linear models. In A. H. El-Shaarawi,& W. W. Piegorsch (Eds), Encyclopedia of Environmetrics (2dn ed, pp. 1152-1159), Chichester, Wiley.
  4. Fahrmeir, L., Kneib, T., Lang, S., and Marx, B. (2013). Regression: Models, Methods and Applications, Springer, Berlin.
  5. Faraway, J. J. (2016). Extending the Linear Model with R (2nd ed), Chapman and Hall, New York.
  6. McCullagh, P. and Nelder, J. A. (1989). Generalized Linear Models (2nd ed), Chapman and Hall, London.
  7. Montgomery, D. C., Peck, E. A., and Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed), John Wiley & Sons, Hoboken, New Jersey.