In che modo JMP determina il modello migliore utilizzando AICc nella regressione graduale?In che modo JMP decide quale combinazione di variabili è il modello "migliore" utilizzando l'AICc in avanti nel modulo di regressione graduale? In altre parole, come decide quando fermarsi, e perché a volte decide che non esiste un unico modello "migliore"? Ho letto che ci deve essere una differenza di AICc di 2 o maggiore, altrimenti i modelli sono considerati equivoci. È quello che usa anche JMP?
Ri: Miglior modello che utilizza AICc nella regressione graduale<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao Beniamino,
Volevo solo aggiungere qualcosa riguardo alla tua domanda su quando la procedura Stepwise si interrompe e identifica un modello migliore, con AICc come regola di arresto. Quando fai clic su Vai, gli adattamenti automatici (dovrebbero!) continuano finché non viene trovato un modello migliore. Il modello migliore è quello con un AICc minimo che può essere seguito da un massimo di dieci modelli con valori maggiori di AICc o BIC, rispettivamente. In altre parole, la procedura graduale cerca di superare gli aumenti locali di AICc per ben dieci modelli, prima di decidere di terminare.
Sembra che questa regola fosse in vigore per JMP 11. Quindi, nel tuo esempio per PP13B, il valore AICc più piccolo era per il modello 1. Quindi i modelli 2 e 3 erano adatti, ma i loro valori AICc erano maggiori di quelli del modello 1, e quindi il primo modello è stato selezionato come migliore. Se fosse stato possibile, JMP avrebbe continuato a montare altri otto modelli e avrebbe optato per il modello 1 se nessuno di questi avesse un AICc più piccolo.
A proposito, mi aspettavo che un quarto modello che includeva il Defleshing sarebbe andato bene. Ma non è successo. Mi chiedo se Defleshing e Field Dressing possano essere collineari, dal momento che hanno gli stessi valori SS?(Quando il modello 3 era in forma, Stepwise non poteva adattarsi a un modello 4.)
Nel tuo esempio PP5-6, il modello definito nel passaggio 3 avrebbe dovuto essere identificato come Migliore.Mi chiedo ancora una volta se potrebbe essersi verificato un problema di collinearità, che ha impedito a Stepwise di adattarsi al modello successivo.In ogni caso, quel terzo modello avrebbe dovuto essere contrassegnato come Migliore.
Ti incoraggio vivamente a provare Tutti i modelli possibili con i tuoi dati. L'utilizzo di Stepwise in una direzione Forward considera solo i modelli lungo un percorso definito dai valori p e questo è solo un sottoinsieme dei possibili modelli.Al contrario, Tutti i modelli possibili considera tutti i modelli, con la limitazione del numero di termini specificati.Con solo quattro termini, puoi adattare facilmente tutti i modelli, quindi potresti trovare molto utile Tutti i modelli possibili.
Tutti i modelli possibili è un'opzione triangolare rossa in Stepwise. Una volta generato il rapporto Tutti i modelli possibili, fare clic con il pulsante destro del mouse nel corpo del rapporto e selezionare Trasforma in tabella dati.Utilizzando la tabella dei dati, è necessario costruire un grafico del Generatore di grafici di AICc per numero (di parametri).Usando questo grafico, puoi facilmente vedere il compromesso tra AICc più piccolo e complessità del modello.
Spero che questo sia utile...
Maria
Ri: Miglior modello che utilizza AICc nella regressione gradualeCiao ben,
Ho chiesto informazioni al tester per Stepwise e lei mi ha detto che sembrava che tu fossi incappato in un bug che è stato corretto per JMP12. Se desideri inviare i tuoi dati, potremmo provarlo con JMP12 per vedere se effettivamente stai riscontrando questo problema. Altrimenti, potresti aspettare di provarlo in JMP12 quando verrà rilasciato.
Grazie,
Michael
Ri: Miglior modello che utilizza AICc nella regressione gradualeCiao Michele,
Grazie mille per la tua risposta! Conoscevo l'idea che una differenza <2 suggerisse il supporto per entrambi i modelli, ma non conoscevo il 4-7 o >10. Volevo mostrarvi uno screenshot di ciò di cui sto parlando. Nel primo, JMP è stato in grado di trovare un modello "migliore" utilizzando l'AICc minimo (le variabili sono un esempio archeologico su cui sto lavorando - utilizzando il danno da uso di strumenti sperimentali per prevedere l'uso di strumenti preistorici). Puoi vedere che il modello con "macelleria + intercettazione" è il migliore.
Per questo sito archeologico, JMP non ha trovato una combinazione "migliore" di danni da strumenti sperimentali che si adattassero al sito:
Posso capire perché non ha trovato un "migliore" dalla cronologia dei passaggi (differenza <2 rispetto al passaggio precedente), ma quando ha trovato un modello "migliore" nello screenshot precedente, c'era una differenza <2 nell'AICc degli altri due passaggi del modello... Immagino che sto solo cercando di capire cosa significa quando JMP trova un "migliore" rispetto a quando non lo fa.
Grazie,
Ben
Ri: Miglior modello che utilizza AICc nella regressione gradualeCiao,
Quando si utilizza la regola di arresto AICc minimo in Stepwise, il modello "migliore" scelto dovrebbe essere quello con il valore AICc più basso. Non sono sicuro di essermi imbattuto in un esempio in cui Stepwise decide che non esiste un unico modello migliore.
Tuttavia, la differenza nei valori AICc rispetto al valore AICc minimo è importante. Secondo Burnham & Anderson (2002; p. 70-71), una differenza inferiore a 2 implica un supporto empirico sostanziale per il modello con l'AICc più alto, una differenza da 4 a 7 implica un supporto "considerevolmente inferiore" per il modello con il più alto AICc, e una differenza maggiore di 10 implica un livello di supporto empirico che è "essenzialmente nullo".
Saluti,
Michael
Burnham & Anderson (2002), Selezione del modello e inferenza multimodello: un approccio teorico pratico all'informazione . Springer, New York.
Link al sito dell'editore: Selezione del modello e inferenza multimodello: un approccio teorico-informativo pratico
