Чи насичена модель є особливим випадком переоснащеної моделі?

Я намагаюся зрозуміти, що таке насичена модель. AFAIK - це коли ти маєш стільки ж особливостей, скільки спостережень.

Чи можна сказати, що насичена модель - це особливий випадок надзвичайно приталеної моделі?

@ Право Томка. Насичена модель відповідає якомога більшій кількості параметрів для заданого набору прогнозів, але чи вона переозброєна чи ні, залежить від кількості спостережень за кожною унікальною схемою прогнозів. Припустимо, у вас є лінійна модель зі 100 спостереженнями на і 100 на . Тоді модель ім'я насичене, але, безумовно, не надто встановлене. Але якщо у вас є одне спостереження для кожного з модель ім'я є насиченим і ідеальним пристосуванням - безсумнівно, ^† .$y$$x=0$$x=1$$\operatorname{E}Y = \beta_0 +\beta_1 x$$y$$x=(0,1,2,3,4)^\mathrm{T}$$\operatorname{E}Y = \beta_0 +\beta_1 x +\beta_2 x^2 +\beta_3 x^3 +\beta_4 x^4$

Коли люди говорять про насичені моделі, що мають стільки ж параметрів, скільки спостережень, як на пов'язаній веб-сторінці та публікації резюме, вони припускають контекст одного спостереження для кожної моделі прогнозування. (Або, можливо, іноді використовується "спостереження" по-різному - 100 особин у таблиці 2 на 2 випадки 100 випадків, або 4 спостереження частоти клітин?)

† До речі, не сприймайте "точно" та "безсумнівно" буквально. Це можливо для першої моделі , що настільки мала по порівнянні з ви б передбачити , краще , не намагаючись оцінити його, і навпаки , для другого.$\beta_1$$\operatorname{Var}Y$