r语言glm 拟合优度检验

在R语言中，使用glm函数可以进行广义线性模型的拟合。拟合优度检验是用来评估拟合模型的好坏程度，基本思想是比较观测值与拟合值的差异。根据具体的模型类型，拟合优度检验的方法也有所不同。

对于二项式回归模型，可以使用deviance检验来评估拟合优度。具体方法是计算拟合模型的残差信息准则（Deviance），然后与满足最坏情况下的残差信息准则（Null Deviance）进行比较。如果拟合模型的Deviance明显小于Null Deviance，说明拟合模型相较于最坏情况具有较好的拟合。

对于泊松回归模型，可以使用对数似然比检验来进行拟合优度检验。具体方法是计算拟合模型的对数似然比（log-likelihood ratio），然后与零值模型的对数似然比进行比较。如果拟合模型的对数似然比显著大于零值模型的对数似然比，说明拟合模型相较于零值模型具有显著的拟合优度。

对于高斯回归模型，可以使用残差平方和来评估拟合优度。即计算拟合模型的残差平方和（Residual sum of squares，RSS），然后与总变异的平方和进行比较。如果拟合模型的残差平方和与总变异相比较小，说明拟合模型具有较好的拟合。

在R语言中，可以使用anova函数来进行拟合优度检验。参数中传入的是拟合模型和零值模型，然后根据不同的模型类型，使用不同的方法进行拟合优度检验。最终会输出拟合优度p值，根据p值的大小来判断拟合模型的优度。