Comment effectuer une régression logistique conditionnelle avec JMP ?Bonjour!
Je suis intéressé par l'exécution d'une régression logistique conditionnelle dans JMP, mais je n'ai pas trouvé de documentation sur la façon de procéder, sauf dans choix du modèle type de scénario. Quelqu'un peut-il conseiller?
Bref, voici ce que j'essaie de faire.
J'ai trois groupes nominaux catégoriels qui sont chacun divisés en un groupe témoin et un groupe de traitement. Mes résultats se répartissent en 5 catégories non ordonnées. Je souhaite comparer le traitement au contrôle au sein de chaque groupe, puis voir si le traitement a des effets similaires dans tous les groupes. La taille de mon échantillon est petite (14-30) par groupe initial, soit 70 individus au total (35 traités, 35 témoins).
Après avoir étudié divers types de régressions logistiques, il semble qu'une approche logistique conditionnelle pourrait être la meilleure. Les paires appariées pourraient également être un concurrent, mais le personnes ne correspondent pas nécessairement, tout comme les caractéristiques générales du groupe.
Avez-vous une recommandation sur la façon d'effectuer une analyse comme celle-ci ?
Je serais intéressé à la fois par une discussion sur la pertinence de la technique (ou d'autres recommandations) et sur l'utilisation de la plate-forme JMP. Je n'ai pas d'expérience avec JSL.
Merci beaucoup pour votre aide !
Jenifer
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Cher Mark,
Je travaille avec un arbre qui peut changer de sexe d'année en année. Ainsi, les arbres de l'expérience ont commencé par être de sexe masculin (M), féminin (F) ou ambivalent (A). Après le traitement, ces mêmes arbres se sont retrouvés homme (M), femme (F), non reproducteur (N), sexe ambivalent (A) ou mort. Ce sont des réponses catégoriques nominales car nous ne comprenons pas encore vraiment comment le sexe change normalement chez ces espèces. Ils peuvent, en fait, s'avérer ordinaux avec plus d'informations.
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Entendu! Merci pour votre aide!
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Quelle est la signification des cinq niveaux de réponse nominaux : A, DEAD, F, M et N ?
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Les seules recommandations sont les suivantes : 1) faites ce que vous faites -- pouvez-vous combiner certains des niveaux des variables catégorielles ? Moins de niveaux signifie moins de paramètres dans le modèle. 2) Pouvez-vous vivre sans répondre à certaines des questions. Par exemple, avez-vous besoin de savoir si l'effet du traitement est le même pour chaque groupe ? Sinon, vous pouvez supprimer le terme d'interaction du modèle et cela aiderait probablement énormément.
Pas de grandes options, mais c'est tout ce que je vois car obtenir plus de données n'est pas une option.
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?J'avais peur de ça! Je vais essayer de condenser certaines des catégories pour voir si je peux augmenter la taille de l'échantillon dans un groupe combiné
Je vais essayer de condenser certaines des catégories pour voir si je peux augmenter la taille de l'échantillon dans un groupe combiné. En plus d'obtenir plus de données (ce qui n'est pas vraiment une option pour cette expérience à ce stade, malheureusement), auriez-vous d'autres recommandations ?
Je vous remercie beaucoup pour votre aide!
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Ah oui. C'était quelque chose que je craignais. Vous n'avez pas beaucoup de données. Seulement 70 observations. Vous devez disposer de ces 70 observations réparties de manière appropriée dans les différentes combinaisons pour vous aider à obtenir les résultats d'ajustement. Vous obtenez des messages "instables", ce qui est la façon dont JMP vous indique que les estimations des paramètres ne sont pas très fiables en raison d'un manque de données. Au niveau global, il y a suffisamment de données pour considérer la signification de chaque terme, mais dans chaque modèle (rappelez-vous que vous avez en fait un modèle pour chaque niveau de la variable de réponse), il n'y a pas assez de données pour estimer avec précision les paramètres.
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Cher Dan,
Merci beaucoup! Vos instructions étaient claires et la probabilité d'effet a montré que le traitement et le groupement étaient significatifs, mais pas l'interaction des deux.
Étonnamment, cependant, lorsque je regarde les estimations des paramètres, elles ont toutes ~ 0,99 comme valeur P. Comment est-il possible que de nombreuses estimations de paramètres soient toutes non significatives tout en étant significatives pour les effets globaux du traitement et du regroupement dans le modèle ?
(J'ai inclus une capture d'écran de la sortie ci-dessous.
Regroupement = sexe_2015 ; Trt/témoin = traitement ; Résultat = sexe_2016)
Merci encore!
Jenifer
Re : Comment effectuer une régression logistique conditionnelle à l'aide de JMP ?Bien que cette approche puisse fonctionner, elle présenterait certaines difficultés. Permettez-moi de proposer une autre voie.
Plutôt que de créer trois modèles (un pour chaque groupe) et d'essayer ensuite de déterminer si l'effet du traitement est le même dans tous les groupes, créez un modèle.
Je vois un tableau de données avec trois colonnes : Grouping, Trt/Control et Outcome. Toutes les colonnes sont nominales.
Dans Ajuster le modèle, spécifiez un modèle de Grouping, Trt/Control et Grouping*Trt/Control. Le résultat est le Y. Cela vous donnera un modèle de régression logistique nominal. Pour voir s'il existe une association entre le traitement et le résultat, consultez la partie Trt/Control du rapport Effect Likelihood Ratio Tests. Pour voir s'il existe des différences dans les regroupements, consultez la ligne Regroupement de ce rapport. L'effet du traitement est-il le même d'un groupe à l'autre ? Cela est répondu par le terme d'interaction. Une interaction significative indique que l'effet du traitement est différent d'un groupe à l'autre. Beaucoup d'autres bonnes choses à regarder, mais ce sont les bases des questions que vous avez posées.
Si vous voulez vraiment une analyse distincte pour chaque groupe, spécifiez le modèle comme juste Trt/Control avec Outcome comme Y et placez la variable Grouping dans le rôle BY. Il est alors plus difficile de déterminer si l'effet du traitement est le même dans tous les groupes, car chaque analyse est distincte et nécessiterait soit une analyse manuelle, soit une action comme celle que j'ai d'abord décrite.
