Hacemos la comparación del modelo usando el loo paquete (9, 10) para validación cruzada de dejar uno fuera. Para un enfoque alternativo utilizando los criterios WAIC (11) Te sugiero que leas este publicación también publicada por Editores de TDS.
loo(Ordinal_Fit, Ordinal_Fit2)
Bajo este esquema, los modelos tienen un desempeño muy similar. De hecho, el primer modelo es ligeramente mejor para predicciones fuera de muestra. La contabilidad de la varianza no ayudó mucho en este caso particular, donde (quizás) confiar en antecedentes informativos puede desbloquear el siguiente paso de la inferencia científica.
Agradecería sus comentarios o sugerencias para hacerme saber si este viaje le resultó útil. Si desea obtener más contenido de calidad sobre ciencia de datos y otros temas, podría considerar convertirse en un miembro mediano.
En el futuro, puede encontrar una versión actualizada de esta publicación en mi Sitio GitHub.
1.M. Bieber, J. Gronewold, A.-C. Scharf, MK Schuhmann, F. Langhauser, S. Hopp, S. Mencl, E. Geuss, J. Leinweber, J. Guthmann, TR Doeppner, C. Kleinschnitz, G. Stoll, P. Kraft, DM Hermann, Validez y confiabilidad de puntuaciones neurológicas en ratones expuestos a oclusión de la arteria cerebral media. Ataque. 502875–2882 (2019).
2. P.-C. Bürkner, M. Vuorre, Modelos de regresión ordinal en psicología: un tutorial. Avances en métodos y prácticas en ciencia psicológica. 277-101 (2019).
3. G. Gigerenzer, Estadísticas sin sentido. La Revista de Socioeconomía. 33587–606 (2004).
4. P.-C. Bürkner, Brms: Un paquete r para modelos bayesianos multinivel utilizando stan. 80 (2017), doi:10.18637/jss.v080.i01.
5. H. Wickham, M. Averick, J. Bryan, W. Chang, LD McGowan, R. François, G. Grolemund, A. Hayes, L. Henry, J. Hester, M. Kuhn, TL Pedersen, E. Miller, SM Bache, K. Müller, J. Ooms, D. Robinson, DP Seidel, V. Spinu, K. Takahashi, D. Vaughan, C. Wilke, K. Woo, H. Yutani, Bienvenido al tidyverso. 41686 (2019).
6. D. Makowski, MS Ben-Shachar, D. Lüdecke, bayestestR: Describe los efectos y su incertidumbre, existencia y significado dentro del marco bayesiano. 41541 (2019).
7. RV Lenth, Emmeans: medias marginales estimadas, también conocidas como medias de mínimos cuadrados (2023) (disponible en https://CRAN.R-project.org/package=emmeans).
8. R. McElreath, Repensar estadísticamente (Chapman; Hall/CRC, 2020; http://dx.doi.org/10.1201/9780429029608).
9. A. Vehtari, J. Gabry, M. Magnusson, Y. Yao, P.-C. Bürkner, T. Paananen, A. Gelman, Loo: Validación cruzada eficiente con exclusión de uno y WAIC para modelos bayesianos (2022) (disponible en https://mc-stan.org/loo/).
10. A. Vehtari, A. Gelman, J. Gabry, Evaluación práctica del modelo bayesiano mediante validación cruzada de dejar uno fuera y WAIC. Estadística y Computación. 271413-1432 (2016).
11. A. Gelman, J. Hwang, A. Vehtari, Comprensión de los criterios de información predictiva para modelos bayesianos. Estadística y Computación. 24997–1016 (2013).