Wald检验

Wald检验是一种在统计模型中测试特定解释变量的重要性的方法。 在逻辑回归中，我们有一个二元结果变量和一个或多个解释变量。 对于模型中的每个解释变量，将存在关联参数。 Polit（1996）和Agresti（1990）描述的Wald检验是测试与一组解释变量相关的参数是否为零的多种方法之一。

如果对于特定的解释变量或解释变量组，Wald检验后表明它们是重要的，那么我们将得出结论，与这些变量相关的参数不为零，因此变量应该包含在模型中。 如果Wald测试表明这些解释变量不具有重要意义，则可以从模型中省略这些解释变量。 在考虑单个解释变量时，Altman（1991）使用t检验来检查参数是否显着。 对于单个参数，Wald统计量只是t统计量的平方，因此将给出完全相同的结果。

测试许多解释变量的重要性的另一种广泛使用的方法是使用似然比检验。 这适用于各种类型的统计模型。Agresti（1990）认为似然比检验更好，特别是如果样本量很小或参数很大。

参考

Agresti A. (1990) Categorical Data Analysis. John Wiley and Sons, New York. Altman D.G. (1991) Practical Statistics for Medical Research. Chapman & Hall, London.

Polit D. (1996) Data Analysis and Statistics for Nursing Research. Appleton & Lange, Stamford, Connecticut.