Utilizing the likelihood ratio test

Utilizing the likelihood ratio test, we find that the second step of the model is significant, and the overall model is significant. The model Bayesian Information Criterion (BIC) is 566.65 (BIC of the null model = 579.4), and the model Akaike Information Criterion (AIC) is 538.7799 (AIC of the null model = 575.351). The AIC and BIC provide goodness-of-fit estimates used to compare between non-nested models. To interpret these estimates, lower values are better, and a score difference of 10 or more between models reflects a strong model fit improvement.

ผลลัพธ์ (ไทย) 1:

ใช้ทดสอบอัตราความเป็นไปได้ เราพบว่า ขั้นตอนสองของแบบเป็นสำคัญ และรูปแบบโดยรวมอย่างมีนัยสำคัญ จำลองทฤษฎีข้อมูลเกณฑ์ (BIC) เป็น 566.65 (BIC รุ่น null = 579.4), และรุ่น Akaike ข้อมูลเกณฑ์ (AIC) 538.7799 (AIC รุ่น null = 575.351) AIC และ BIC ให้ประเมินความดีพอที่ใช้ในการเปรียบเทียบระหว่างแบบจำลองที่ไม่ซ้อนกัน แปลเหล่านี้ประเมิน ต่ำกว่าค่าดี และความแตกต่างคะแนน 10 หรือมากกว่าระหว่างรูปแบบสะท้อนให้เห็นถึงรูปแบบแข็งแรงเหมาะปรับปรุง

ผลลัพธ์ (ไทย) 2:

ใช้การทดสอบความน่าจะเป็นอัตราส่วนที่เราพบว่าขั้นตอนที่สองของรูปแบบที่มีความสำคัญและรูปแบบโดยรวมเป็นสำคัญ รูปแบบคชกรรมข้อมูลเกณฑ์ (BIC) คือ 566.65 (BIC ของรูปแบบ null = 579.4) และรูปแบบข้อมูล Akaike เกณฑ์ (AIC) เป็น 538.7799 (AIC ของรูปแบบ null = 575.351) เอไอซีและ BIC ให้ข้อมูลประมาณการความดีของพอดีใช้ในการเปรียบเทียบระหว่างรูปแบบที่ไม่ซ้อนกัน การตีความประมาณการเหล่านี้มีค่าต่ำจะดีกว่าและความแตกต่างของคะแนน 10 หรือมากกว่าระหว่างรูปแบบสะท้อนให้เห็นถึงรูปแบบการปรับปรุงที่แข็งแกร่งพอดี

ผลลัพธ์ (ไทย) 3:

ใช้โอกาสทดสอบอัตราส่วน พบว่า ขั้นตอนที่สองของโมเดลที่สำคัญและรูปแบบโดยรวมเป็นสำคัญ แบบจำลองข้อมูลแบบมาตรฐาน ( BIC ) 566.65 ( BIC ของ null รุ่น = 579.4 ) และแบบจำลองข้อมูลเกณฑ์เคราะห์ ( AIC ) เป็น 538.7799 ( AIC ของ null รุ่น = 575.351 )ตามบิ๊กให้ความสอดคล้องและประมาณการใช้เปรียบเทียบระหว่างไม่ซ้อนกันแบบ การตีความเหล่านี้ประเมินค่าล่างจะดีกว่า และคะแนนห่างกัน 10 หรือมากกว่าระหว่างรูปแบบสะท้อนให้เห็นถึงรูปแบบพอดี
แข็งแรงดีขึ้น