Test "lack of fit" de Hosmer-Lemeshow avec R

Bonjour,

Je travaille actuellement sur des modèles de régression logistique (modèle logit) avec une variable réponse binaire 0/1 et plusieurs variables explicatives qualitatives.

J'ai lu dans plusieurs ouvrages que le test d'Hosmer-Lemeshow permettait de tester l'intérêt d'un modèle construit (à l'aide d'une méthode pas à pas par exemple).

Sous SAS, on peut effectuer ce test à l'aide de l'option "lackfit' dans la procédure LOGISTIC. Cependant, je souhaite travailler avec le logiciel R. Je ne suis pas parvenue à trouver de fonction permettant d'effectuer ce test (mais peut-être n'en existe-t-il pas ? ), donc si quelqu'un a déjà pratiqué ce test sous R, cela m'intéresse fortement.

Sinon, quel(s) autre(s) test(s) pourrais-je utiliser dans mon cas?
En effet, j'ai lu que le test d'Hosmer-Lemeshow était assez controversé, mais je n'ai pas réussi à savoir pourquoi... Est-ce une mauvaise idée d'y avoir recours?

Merci d'avance pour vos réponses

Cordialement,

A.D.

Bonjour,

http://search.r-project.org/cgi-bin/namazu.cgi?query=hosmer+lemeshow&max=20&result=normal&sort=score&idxname=functions

effectivement ce test est de plus en plus controversé, mais je ne me souviens plus exactement des raisons, peut-être un manque de puissance ?

Que cherches-tu à regarder au juste ?

"effectivement ce test est de plus en plus controversé, mais je ne me souviens plus exactement des raisons, peut-être un manque de puissance ?"

C'est exactement pour celà, du moins c'est la raison par pas mal de "grosse personalité" dans leur littérature.

Tu peux aussi utiliser pour la validation interne de ton modèle la courbe de ROC: plus l'AUC augmente, mieux ton modèle est capable de distinguer tes évènement de tes non évènements.

Pour ce qui est du test d'Hosmer-Lemeshow, j'ai utilisé la fonction "modifiedHL" du package R "LDdiag". Par contre, je ne comprends pas très bien ce que veut dire "un manque de puissance" pour un test?

Enfin, je n'ai jusqu'à lors pas très bien compris le principe des courbes ROC, mais je vais me renseigner sur le sujet.

Merci à tous pour vos réponses


Cordialement,

A.D.

Salut,

la puissance statistique c'est l'aptitude d'un test à mettre en évidence une différence lorsqu'elle existe. Cela suppose en général une hypothèse nulle d'égalité.
Un test qui manque de puissance a donc tendance à dire qu'il n'y a pas de différence quand il y en a une en réalité.

Nik

Hummm, je ne suis pas sûre de bien comprendre encore...

Par exemple, dans le cas du test d'Hosmer-Lemeshow, mon hypothèse H0 est : "le modèle étudié convient bien pour décrire les données" (ou une formulation du genre), c'est bien cela?
Dans mon cas, j'obtiens une p-value très petite donc je ne rejette pas l'hypothèse H0. Le soucis est alors que peut-être j'accepte un modèle qui en fait ne convient pas vraiment ?


Cordialement,

A.D.

J'ai vu qu'il était possible d'utiliser la méthode "silhouette" pour étudier la performance du modèle de régression logistique choisi. Est-ce une bonne idée?
Sous R, je pense que la fonction "silhouette" du package "cluster" permet de le faire, cependant je ne comprends pas encore bien son fonctionnement, donc si quelqu'un l'a déjà utilisée, j'aimerais bien être un peu éclairée sur ce point ^^

Merci d'avance.


Cordialement,

A.D.

Tu as pas mal d'indicateur de la qualité d'un modèle logistique. Jette un oeil au bouquin d'Agresti : categorical data ou au bouquin de Collett : Modelling Binary Data. Tu as effectivement les courbes ROC, mais tu as aussi les matrices de confusion (qui permettent de calculer les ROC), la spécificité, la sensibilité, le kappa, etc. L'aire sous la courbe ROC est souvent un indicateur très "cool", tu as souvent tendance à considérer que ton modèle est très bon si tu ne regardes que cet indicateur, alors que les autres statistiques te permettent de mieux comprendre ce qui se passe avec ton modèle. Je ne connais pas silhouette.

Bonjour,
je viens de poster ici , j'arrive pas à trouver des réponses.
il y a un test May-hosmer
Est ce que qq parmi vous aura une idée sur ce test?
Je vous remercie d'avance