Ajustement et normalisation des courbesJ'ai un ensemble de données qui est positivement asymétrique et je dois donc le normaliser. J'ai une ligne de forme d'onde avec l'âge et les comportements difficiles présents chez les personnes ayant une déficience intellectuelle. Je suis totalement nouveau dans JMP et dans les procédures statistiques avancées et c'est une étape importante dans mes recherches de doctorat. Toutes les directives ou vidéos étape par étape sur le développement d'échelles, l'ajustement de courbes, la normalisation des données... apprécieraient grandement toute aide.
Re : Noyau plus lisseMerci pour le courrier. Permettez-moi de lire des "livres d'aide" et d'explorer les données avec un noyau plus fluide. Je ne comprends pas la bande passante et ses effets sur la distribution. Merci beaucoup
Re : Noyau plus lisse
Je ne sais pas comment utiliser le kernel smoother dans JMP.
Quelle partie de l'aide ou des guides JMP ( Aide > Livres > Analyse de base : Distribution ) tu ne comprends pas ? Heureux de vous aider ici.
Re : Noyau plus lisse
Après ajustement de la courbe de Johnson, j'ai transformé les scores en une échelle (m=15, sd=3), qui constitue une référence pour ce type de tests. J'ai envoyé une partie de mes données ici. Le premier score col-raw (0-27), le deuxième score col-scale (1-24) et le troisième est, j'ai ajusté le deuxième à l'estimation de la densité du noyau dans Excel, et j'ai obtenu le troisième col, qui est un score échelonné ajusté. . Le problème est que ce score échelonné ajusté aurait dû avoir une moyenne de 15, SD 3.
Vous avez transformé l'échelle en {m=15, sd=3}. JMP essaierait de centrer (m=0) et de mettre à l'échelle (sd=0) car c'est la pratique habituelle. Par exemple, les prédicteurs centrés et mis à l’échelle de cette manière répondent mieux aux hypothèses de régression. Il n’est pas conçu pour une transformation arbitraire. Vous pouvez toujours multiplier par une constante pour obtenir l'écart-type souhaité. Vous pouvez toujours ajouter une constante pour obtenir la moyenne souhaitée. Mettez à l'échelle avant de traduire.
Noyau plus lisseBonjour à nouveau,
Après ajustement de la courbe de Johnson, j'ai transformé les scores en une échelle (m=15, sd=3), qui constitue une référence pour ce type de tests. J'ai envoyé une partie de mes données ici. Le premier score col-raw (0-27), le deuxième score col-scale (1-24) et le troisième est, j'ai ajusté le deuxième à l'estimation de la densité du noyau dans Excel, et j'ai obtenu le troisième col, qui est un score échelonné ajusté. . Le problème est que ce score échelonné ajusté aurait dû avoir une moyenne de 15, SD 3. Je ne sais pas comment utiliser le kernel smoother dans JMP.J'ai cinq sous-échelles avec trois normes de groupes d'âge et je progresse à mi-chemin. Jusqu'à présent, aucun d'entre eux ne correspondait à la moyenne 15, SD-3. il varie de 15 à 19 mais le SD se situe entre 3 ou 5. Je suis pressé par le temps et je dois trouver un moyen. Je ne sais pas si j'ai raison, j'ai essayé d'utiliser la troisième col.. dans la génération de nombres aléatoires dans Excel avec une valeur maximale de 24.. j'ai calculé m et sd pour repérer le bon. Mais c’est exhaustif de faire ça. Je ne suis pas sûr d'explorer les statistiques non paramétriques ici, mais il a été prouvé que le noyau était plus lisse pour s'adapter au lissage post-normes. J'apprécierais vraiment tout conseil. Merci.
Re : Ajustement de courbe et normalisationMerci. Je vais explorer cela.
Re : Ajustement de courbe et normalisationbj,
Sur la base de votre dernière contribution, vous devrez peut-être analyser vos données avec une technique de modélisation prédictive telle que le réseau neuronal ou le partitionnement.
Re : Ajustement de courbe et normalisationOui merci. Je le ferai sûrement. Mais je pense aussi que je n'ai pas suffisamment de connaissances pour contester ce point de vue et également accepter le fait qu'il peut s'agir d'un débat comme : holisme contre réductionnisme, quantitatif contre qualitatif, erreur de type I contre erreur de type II, etc. La seule défense que je peux apporter à mon travail est que l'échelle sera plus utile au niveau du système - pour classer ceux qui ont besoin d'une thérapie intensive, ceux dont les parents ou les enseignants peuvent être éduqués sur la modification du comportement et ainsi éviter des problèmes potentiels et jamais le problème. moins, ceux qui ont besoin d’un soutien comportemental positif. Il s’agit davantage de dispositions basées sur un système (modèle de réponse à l’intervention) plutôt que d’une approche individuelle. Un enfant qui entre dans une clinique de thérapie sera toujours traité selon les critères référencés.
Merci pour la suggestion.
Re : Ajustement de courbe et normalisationVous devez lire l'article du Dr Donald Wheeler :
La transformation des données peut être fatale à votre analyse
L’histoire d’amour malavisée avec la distribution normale doit prendre fin !
Re : Ajustement de courbe et normalisationÀ partir de mon article précédent, après quelques semaines de recherches ahurissantes et approfondies, j'ai proposé ces étapes, y compris une section de la rédaction de mon chapitre. Quelqu'un peut-il s'il vous plaît examiner et valider, si cela vous convient ? Merci.
Développement de normes
L’élaboration des sous-échelles et des normes du Challenging Behaviour Composite (CBC) s’est déroulée en plusieurs étapes. Les procédures ont été adoptées à partir des travaux de Jing-Jen Wang (1992) [1] et Sparrow, Cicchetti et Balla (2005) [2] . Les âges (4-58 ans) ont été divisés en 12 groupes d'âge et la moyenne, l'écart type, l'asymétrie et l'aplatissement correspondants de la distribution des scores bruts ont été calculés pour les cinq sous-échelles dans chacun des groupes d'âge. Des graphiques linéaires des 12 moyennes en fonction de l'âge ont été tracés séparément pour chaque sous-échelle, et une ligne lisse a été tracée à travers la moyenne. De la même manière, les écarts types dans 12 groupes d’âge ont été tracés et lissés.
Les moyennes lissées et les écarts types, ainsi que les valeurs d'asymétrie et d'aplatissement non lissées de chaque groupe d'âge pour chaque sous-échelle, ont ensuite été saisies dans plusieurs étapes de normalisation. Les scores bruts ont été transformés en scores standards, qui à leur tour ont été générés dans une autre distribution basée sur la moyenne lissée et l'écart type. La distribution (avec moyenne lissée et écart type) a été saisie pour générer la distribution bornée de Johnson [3] , qui à leur tour ont été convertis en scores sur l'échelle d'évaluation des comportements difficiles (CBRS). [4] (Moyenne=15, SD=3). Pour obtenir des normes au-delà des limites, une régression linéaire avec des scores bruts et des scores à l'échelle CBRS a été réalisée. Les valeurs prédites ont été utilisées comme scores échelonnés CBRS.
À l'étape suivante, la conversion pour les 12 groupes d'âge a été étendue pour inclure 55 groupes d'âge (4-58 ans). Une interpolation linéaire (pour les valeurs manquantes entre groupes d'âge adjacents) a été utilisée pour combler les lacunes. (J'ai essayé l'extrapolation pour les valeurs manquantes au-delà des groupes d'âge - les résultats n'étaient pas significatifs, donc je ne l'ai pas fait)
[1] Jiing-Jen Wang. (1992). Une approche analytique pour générer des normes pour les distributions normatives asymétriques. Document présenté à la réunion annuelle du Conseil national sur la mesure dans l'éducation, San Francisco, Californie.
[2] Moineau, SS, Cicchetti, VD, & Balla, AD (2005). Manuel des formulaires d'enquête Vineland-II. NCS Pearson Inc. États-Unis d'Amérique
[3] Les courbes de Johnson sont ajustées à l'aide de moments (γ, δ, θ, σ) générés avec des valeurs de moyenne, d'écart type, d'asymétrie et d'aplatissement de la distribution.
[4] Vineland-II utilise un score d'échelle avec une moyenne (15) et un écart type (3) pour son échelle de comportement inadapté. Il est considéré comme une mesure relative par rapport aux scores échelonnés de nombreux autres tests.
Re : Ajustement de courbe et normalisationMerci encore pour les conseils. Le vrai problème est, par exemple, que la sous-échelle comporte 9 éléments répartis en quatre points (0-3), le score total est donc de 27. Dans ma distribution de fréquence avec l'échantillon de 207, plage (0-27), j'ai des valeurs de score brutes à savoir-15, 18, 19, 20 etc., non présentes. Lorsque j'exécute JSb, quelles seront les valeurs z correspondantes pour les valeurs de score brut non présentes dans mon ensemble de données. Comment pourrai-je générer des normes dans ce cas ? De plus, j'ai remarqué que les scores échelonnés étaient largement répartis, dans le sens où les scores bruts de 0 avaient un score échelonné de 10 (z converti en score échelonné avec une moyenne de 15 et un sd de 3, qui est un indice de référence pour les comportements difficiles et les déficiences intellectuelles. ) et les scores restants (1-27), à l'exclusion des scores non présents, tombaient dans un score échelonné de 17. J'ai aussi essayé avec des scores T, c'est le même constat. Les auteurs de travaux similaires parlent d'ajuster les moyennes et les écarts-types, de lisser la courbe avec les groupes d'âge, de générer des moments et de les saisir dans JohnsonSb, dans la table de conversion. Mais je ne vois pas d’explication procédurale détaillée à ce sujet.Je ne comprends pas quelle distribution de fréquence entre JSb à des moments donnés ? JSb autorise les paramètres définis par l'utilisateur... D’où viennent ces paramètres et appliqués sur quoi ?. J'ai besoin de comprendre l'application de JSb. J'apprécie toute aide. Merci.
Re : Ajustement de courbe et normalisationIl ressort de l'article que l'auteur a appliqué l'une des transformations de la famille de Johnson aux variables d'intérêt. Dans JMP, il existe quelques flux de travail permettant de faire quelque chose de similaire avec les transformations Johnson.
Workflow 1 : Créez un rapport de plateforme de distribution habituel en utilisant la variable d'unités d'origine non transformée. Dans le rapport de la plateforme de distribution, à partir du point chaud JMP au-dessus du graphique de distribution de fréquence, choisissez l'option déroulante Ajustement continu, puis la transformation Johnson souhaitée. Vous pouvez enregistrer la variable transformée dans la table de données à partir du point chaud graphique Johnson Transform en sélectionnant Enregistrer la transformation.
Workflow 2 : je pense que vous ne pouvez l'utiliser que si vous exécutez JMP version 12 ou supérieure. Dans la table de données JMP, sélectionnez la colonne spécifique que vous souhaitez transformer, puis dans l'en-tête de la colonne, cliquez avec le bouton droit, Nouvelle colonne de formule -> Distribution - > Johnson normalisant. Ce workflow crée une nouvelle colonne dans la table de données correspondant à la transformation Johnson Sb.
Re : Ajustement de courbe et normalisationMerci pour votre réponse. La raison pour laquelle je souhaite normaliser les données est que je veux pouvoir générer des normes pour l'échelle que j'ai développée et établir des propriétés psychométriques. j'ai lu cet article https://ia801404.us.archive.org/27/items/ERIC_ED353271/ERIC_ED353271.pdf , ce qui ressemble à ce que je veux faire.
J'ai besoin d'aide pour exécuter cet ajustement de courbe dans JMP. Merci encore.
Re : Ajustement de courbe et normalisationJe suppose que la première question que je me pose est la suivante : pourquoi pensez-vous que vous devez « normaliser » les données simplement parce que la distribution d'une variable spécifique est asymétrique ? L’asymétrie en elle-même n’est pas nécessairement une raison pour transformer les données d’une manière ou d’une autre. Habituellement, le besoin de transformation est davantage motivé par des éléments tels que les méthodes d’analyse des données prises en compte pour certains de ces critères externes. Il existe de nombreuses méthodes analytiques qui soit sont robustes aux hypothèses de distribution, soit qui ne s'appliquent tout simplement pas. Peut-être pourriez-vous nous en dire un peu plus sur les objectifs pratiques de votre étude et les méthodes par lesquelles vous envisagez d'analyser les données et certains d'entre nous pourront peut-être vous offrir davantage de conseils ?
