3.2. Variable selection processA fo

3.2. Variable selection process

A forward selection approach was considered for this study to include the variables in the model. The basic model was set up considering the intercept and the general traffic volume variable. All other variables were added to the model one by one. The key assumption of this . Model goodness of fit

Model goodness-of-fit was tested and compared using the McFadden pseudo R-squared value (McFadden, 1973). The McFadden pseudo R-squared is estimated as follow:

equation(3)
View the MathML source
Turn MathJax on

where LL(β) is the log-likelihood value of the full model and LL(C) is log-likelihood value of the constant only model.
The another measure, View the MathML source, proposed by Miaou et al. (1996) was deployed in this study to determine how well the variance of data is captured by the model relative to a fundamental model with no variables (Shahla et al., 2009). This measure takes the NB dispersion parameter and is estimated as follows:

equation(4)
View the MathML source
Turn MathJax on

where α is the estimated over dispersion parameter for the selected model and αmax is the estimated over dispersion parameter for the fundamental model containing only constant term.

ผลลัพธ์ (ไทย) 2:

3.2 ตัวแปรกระบวนการคัดเลือกวิธีการเลือกไปข้างหน้าได้รับการพิจารณาสำหรับการศึกษานี้จะรวมตัวแปรในโมเดล รูปแบบพื้นฐานได้ถูกจัดตั้งขึ้นพิจารณาตัดและตัวแปรปริมาณการจราจรทั่วไป ตัวแปรอื่น ๆ ทั้งหมดถูกเพิ่มเข้าไปในรูปแบบหนึ่งโดยหนึ่ง สมมติฐานที่สำคัญนี้ รุ่นดีของพอดีรุ่นคุณงามความดีของพอดีได้รับการทดสอบและเมื่อเทียบกับการใช้ McFadden หลอก R-Squared ค่า (McFadden, 1973) McFadden หลอก R-Squared อยู่ที่ประมาณดังนี้สมการ (3) ดูแหล่งที่มา MathML เปิด MathJax ในที่ LL (β) เป็นค่าที่เข้าสู่ระบบความน่าจะเป็นของรูปแบบเต็มรูปแบบและ LL (C) คือการเข้าน่าจะเป็นค่าของค่าคงที่ เพียง แต่รูปแบบ. วัดอื่นดูแหล่งที่มา MathML เสนอโดย Miaou et al, (1996) ถูกนำไปใช้ในการศึกษาครั้งนี้เพื่อกำหนดวิธีการที่ดีความแปรปรวนของข้อมูลที่ถูกจับโดยรูปแบบที่เกี่ยวข้องกับรูปแบบพื้นฐานกับตัวแปรไม่ (Shahla et al., 2009) มาตรการนี้จะใช้เวลาพารามิเตอร์กระจาย NB และเป็นที่คาดกันดังนี้สมการ (4) ดูแหล่งที่มา MathML เปิด MathJax ในที่αเป็นประมาณกว่าพารามิเตอร์กระจายสำหรับรูปแบบที่เลือกและαmaxเป็นประมาณกว่าพารามิเตอร์กระจายสำหรับรุ่นพื้นฐานที่มีเพียง ระยะอย่างต่อเนื่อง

ผลลัพธ์ (ไทย) 3:

3.2 . กระบวนการคัดเลือกตัวแปรวิธีการเลือกไปข้างหน้าได้รับการพิจารณาสำหรับการศึกษานี้ ได้แก่ ตัวแปรในโมเดล แบบพื้นฐานตั้งขึ้นพิจารณาสกัดกั้นและปริมาณการจราจรทั่วไปตัวแปร ตัวแปรอื่น ๆทั้งหมดถูกเพิ่มไปยังรุ่นหนึ่งโดยหนึ่ง สมมติฐานที่สำคัญนี้ ความดีของพอดีกับรูปแบบแบบจำลองความสอดคล้องถูกทดสอบและเปรียบเทียบโดยใช้ค่า r-squared เทียม ( แม็คฟาดเด้น แม็คฟาดเด้น , 1973 ) การ r-squared เทียม แม็คฟาดเด้นโดยประมาณดังนี้สมการ ( 3 )ดู MathML แหล่งเปิด mathjax บนซึ่งจะเป็นโอกาส ( บีตา ) บันทึกค่าแบบเต็มและจะ ( C ) เป็นบันทึกโอกาสค่าของรูปแบบเท่านั้นที่คงที่อีกวัด ดู MathML แหล่ง ที่เสนอโดยเสียงร้องของแมว et al . ( 1996 ) ถูกใช้ในการศึกษาเพื่อตรวจสอบว่าความแปรปรวนของข้อมูลจะถูกจับโดยรูปแบบเมื่อเทียบกับรูปแบบพื้นฐาน ที่ไม่มีตัวแปร ( ชา ล่า et al . , 2009 ) วัดนี้ใช้ NB กระจายค่าโดยประมาณดังนี้สมการ ( 1 )ดู MathML แหล่งเปิด mathjax บนที่αเป็นประมาณมากกว่าการกระจายค่าเลือกรูปแบบและαสูงสุดคือประมาณมากกว่าการกระจายค่าพื้นฐานที่มีรูปแบบคงที่ระยะยาว