Adattamento e normalizzazione della curvaHo un set di dati che è positivamente distorto e quindi devo normalizzarlo. Ho una linea d'onda con l'età e i comportamenti problematici presenti negli individui con disabilità intellettiva. Sono totalmente nuovo a JMP e alle procedure statistiche avanzate e questo è un grande passo avanti nei requisiti della mia ricerca di dottorato. Eventuali linee guida o video passo passo sullo sviluppo in scala, sull'adattamento della curva, sulla normalizzazione dei dati... Apprezzerei molto qualsiasi aiuto.
Re: Kernel più liscioGrazie per la posta. Fammi leggere i "libri di aiuto" ed esplorare i dati con il kernel più fluido. Non ho comprensione della larghezza di banda e di cosa comporta per la distribuzione. Grazie mille
Re: Kernel più liscio
Non so come utilizzare Kernel Smoother in JMP.
Quale parte della Guida o delle guide di JMP ( Aiuto > Libri > Analisi di base : Distribuzione ) non capisci? Sono felice di aiutarti qui.
Re: Kernel più liscio
Dopo l'adattamento della curva di Johnson, ho trasformato i punteggi in una scala (m=15, sd=3), che costituisce un punto di riferimento per questo tipo di test. Ho inviato una sezione dei miei dati qui. Il primo punteggio col -raw (0-27), il secondo punteggio con la scala col (1-24) e il terzo è, ho adattato il secondo alla stima della densità del kernel in Excel e ho ottenuto il terzo col, che è il punteggio in scala corretto . Il problema è che questo punteggio scalato aggiustato dovrebbe avere media 15, SD 3.
Hai trasformato la scala in {m=15, sd=3}. JMP proverebbe a centrare (m=0) e ridimensionare (sd=0) perché questa è la pratica abituale. Ad esempio, i predittori centrati e scalati in questo modo soddisfano meglio le ipotesi di regressione. Non è progettato per qualche trasformazione arbitraria. Puoi sempre moltiplicare per una costante per ottenere la sd che desideri. Puoi sempre aggiungere una costante per ottenere la media desiderata. Ridimensiona prima di tradurre.
Kernel più liscioCiao di nuovo,
Dopo l'adattamento della curva di Johnson, ho trasformato i punteggi in una scala (m=15, sd=3), che costituisce un punto di riferimento per questo tipo di test. Ho inviato una sezione dei miei dati qui. Il primo punteggio col -raw (0-27), il secondo punteggio con la scala col (1-24) e il terzo è, ho adattato il secondo alla stima della densità del kernel in Excel e ho ottenuto il terzo col, che è il punteggio in scala corretto . Il problema è che questo punteggio scalato aggiustato dovrebbe avere media 15, SD 3. Non so come utilizzare Kernel Smoother in JMP.Ho cinque sottoscale con tre norme per gruppi di età e sto progredendo a metà. Finora nessuno di loro corrispondeva alla media 15, SD-3. varia da 15 a 19 ma la DS varia da 3 a 5. Ho poco tempo e devo trovare un modo. Non so se ho ragione, ho provato a utilizzare la terza colonna.. nella generazione di numeri casuali in Excel con valore massimo 24.. calcolati m e sd per individuare quello giusto. Ma è esaustivo farlo. Non sono sicuro di esplorare le statistiche non parametriche qui, ma ci sono prove che il kernel più fluido si adatti al livellamento post-norme. Apprezzerei davvero qualsiasi consiglio. Grazie.
Re: Adattamento e normalizzazione della curvaGrazie. Lo esploreremo.
Re: Adattamento e normalizzazione della curvabj,
In base ai tuoi ultimi input, forse hai bisogno di analizzare i tuoi dati con qualche tecnica di modellazione predittiva come la rete neurale o il partizionamento.
Re: Adattamento e normalizzazione della curvaSi Grazie. Lo farò sicuramente. Ma penso anche di non avere abbastanza conoscenze per contestare questo punto di vista e accettare anche il fatto che possa essere un dibattito come: olismo contro riduzionismo, quantitativo contro qualitativo, errore di tipo I contro errore di tipo II, ecc. L’unica difesa che posso fare per il mio lavoro è che la scala sarà più utile a livello di sistema – per classificare coloro che necessitano di terapia intensiva, quelli i cui genitori o insegnanti possono essere educati alla modificazione del comportamento e quindi evitare potenziali problemi e mai meno, quelli che necessitano di un supporto comportamentale positivo. Si tratta più di disposizioni basate sul sistema (risposta al modello di intervento) piuttosto che di un approccio individuale. Un bambino che entra in una clinica terapeutica verrà comunque lavorato in base al criterio di riferimento.
Grazie per il suggerimento
Re: Adattamento e normalizzazione della curvaDevi leggere l'articolo del Dr. Donald Wheeler:
La trasformazione dei dati può essere fatale per la tua analisi
La storia d’amore sbagliata con la distribuzione normale deve finire!
Re: Adattamento e normalizzazione della curvaDal mio post precedente, dopo un paio di settimane di ricerche approfondite e sconcertanti, sono giunto a questi passaggi, inclusa una sezione della scrittura del mio capitolo. Qualcuno può per favore effettuare una revisione paritaria e convalidare, se va bene? Grazie.
Sviluppo delle norme
Lo sviluppo delle sottoscale e delle norme Challenging Behavior Composite (CBC) è stato effettuato in diverse fasi. Le procedure sono state adottate dai lavori di Jing-Jen Wang (1992) [1] e Passero, Cicchetti & Balla (2005) [2] . Le età (4-58 anni) sono state divise in 12 gruppi di età e la corrispondente media, deviazione standard, asimmetria e curtosi della distribuzione dei punteggi grezzi sono state calcolate per le cinque sottoscale in ciascuno dei gruppi di età. I grafici a linee delle 12 medie rispetto all'età sono stati disegnati separatamente per ciascuna sottoscala ed è stata tracciata una linea morbida attraverso la media. Allo stesso modo, le deviazioni standard tra 12 gruppi di età sono state tracciate e livellate.
Le medie e le deviazioni standard livellate, nonché i valori di asimmetria e curtosi non livellate di ciascun gruppo di età per ciascuna sottoscala sono stati ulteriormente inseriti in diverse fasi di standardizzazione. I punteggi grezzi sono stati trasformati in punteggi standard, che a loro volta sono stati generati in un'altra distribuzione basata sulla media livellata e sulla deviazione standard. La distribuzione (con media livellata e deviazione standard) è stata inserita per generare una distribuzione limitata di Johnson [3] , che a loro volta sono stati convertiti in punteggi della Challenging Behavior Rating Scale (CBRS). [4] (Media=15, SD=3). Per ottenere norme oltre l'intervallo, è stata eseguita la regressione lineare con punteggi grezzi e punteggi della scala CBRS. I valori previsti sono stati utilizzati come punteggi scalati CBRS.
Nella fase successiva, la conversione per i 12 gruppi di età è stata ampliata fino a includere 55 gruppi di età (4-58). Per colmare le lacune è stata utilizzata l'interpolazione lineare (per i valori mancanti tra gruppi di età adiacenti). (Ho provato l'estrapolazione per i valori mancanti oltre i gruppi di età: i risultati non erano significativi, quindi non l'ho fatto)
[1] Jiing-Jen Wang. (1992). Un approccio analitico alla generazione di norme per distribuzioni normative distorte. Articolo presentato all'incontro annuale del National Council on Measurement in Education, San Francisco, California.
[2] Passerotto, SS, Cicchetti, VD, & Balla, AD (2005). Manuale dei moduli di indagine Vineland-II. NCS Pearson Inc. Stati Uniti d'America
[3] Le curve di Johnson vengono adattate utilizzando momenti (γ, δ, θ, σ) generati con valori di media, deviazione standard, asimmetria e curtosi della distribuzione
[4] Vineland-II utilizza una scala di punteggio con media (15) e deviazione standard (3) per la sua scala di comportamento disadattivo. È considerata una misura relativa ai punteggi scalati di molti altri test.
Re: Adattamento e normalizzazione della curvaGrazie ancora per la guida. Il vero problema è, ad esempio, che la sottoscala ha 9 item con valutazione a quattro punti (0-3), quindi il punteggio totale è 27. Nella mia distribuzione di frequenza con il campione di 207, intervallo (0-27), ho valori di punteggio grezzi vale a dire -15, 18, 19, 20 ecc., non presenti. Quando eseguo JSb quali saranno i valori z corrispondenti per i valori del punteggio grezzo non presenti nel mio set di dati. Come potrò generare norme in quel caso? Inoltre, ho notato che i punteggi scalati erano ampiamente diffusi, nel senso che i punteggi grezzi pari a 0 avevano un punteggio scalato pari a 10 (z convertito in punteggio scalato con media di 15 e sd di 3, che è un indice di riferimento per comportamenti problema e disabilità intellettive ) e i restanti punteggi (1-27), escludendo i punteggi non presenti, rientrano nel punteggio scalato di 17. Ho provato anche con i punteggi T, è la stessa osservazione. Gli autori di lavori simili parlano di aggiustamento delle medie e delle DS, della curva uniforme con i gruppi di età, della generazione di momenti e input in JohnsonSb, della tabella di conversione. Ma non vedo una spiegazione procedurale dettagliata al riguardo.Non capisco quale distribuzione di frequenza va in JSb con determinati momenti? JSb consente parametri definiti dall'utente... Da dove provengono questi parametri e applicati a cosa?. Ho bisogno di comprendere l'applicazione di JSb. Apprezzo qualsiasi aiuto. Grazie.
Re: Adattamento e normalizzazione della curvaDall'articolo risulta che l'autore ha applicato una delle trasformazioni della famiglia di Johnson alle variabili di interesse. All'interno di JMP sono disponibili un paio di flussi di lavoro per eseguire qualcosa di simile con le trasformazioni Johnson.
Flusso di lavoro 1: creare un normale report della piattaforma di distribuzione utilizzando la variabile delle unità originali non trasformate. Dal report della piattaforma di distribuzione, dall'hotspot JMP sopra il grafico della distribuzione della frequenza, scegliere l'opzione a discesa Adattamento continuo, quindi la trasformazione Johnson desiderata. È possibile salvare la variabile trasformata nella tabella dati dall'hot spot grafico Johnson Transform selezionando Salva trasformato.
Flusso di lavoro 2: penso che tu possa utilizzarlo solo se stai utilizzando JMP versione 12 o successiva, dalla tabella dati JMP seleziona la colonna specifica che desideri trasformare, quindi dall'intestazione della colonna, fai clic con il pulsante destro del mouse, Nuova colonna formula -> Distribuzionale - > Johnson Normalizzazione. Questo flusso di lavoro crea una nuova colonna nella tabella dati corrispondente alla trasformazione Johnson Sb.
Re: Adattamento e normalizzazione della curvaGrazie per la risposta. Il motivo per cui voglio normalizzare i dati è che voglio essere in grado di generare norme per la scala che ho sviluppato e stabilire proprietà psicometriche. Ho letto questo articolo https://ia801404.us.archive.org/27/items/ERIC_ED353271/ERIC_ED353271.pdf , che è simile a quello che voglio fare.
Ho bisogno di aiuto per eseguire questo adattamento della curva in JMP. Grazie ancora.
Re: Adattamento e normalizzazione della curvaImmagino che la prima domanda che ho sia: perché ritieni di dover "normalizzare" i dati solo perché la distribuzione di una variabile specifica è distorta? L’asimmetria di per sé non è necessariamente un motivo per trasformare i dati in qualche modo. Di solito la necessità di trasformazione è guidata più da fattori come i metodi di analisi dei dati presi in considerazione per alcuni di questi criteri esterni. Esistono molti metodi analitici che sono robusti rispetto alle ipotesi distribuzionali o semplicemente non applicabili. Forse potresti condividere qualcosa in più sugli obiettivi pratici del tuo studio e sui metodi con cui stai considerando di analizzare i dati e alcuni di noi potrebbero essere in grado di offrire ulteriori indicazioni?
