Personnalité de régression généralisée et ensemble de diagnosticsSalut à tous,
J'ai une petite question; JMP13 pro est livré avec une personnalité de régression généralisée. Après avoir ajusté les données, il est possible de vérifier les résidus à l’aide du kit de diagnostic. Les résidus doivent-ils suivre les hypothèses ANOVA (par exemple normalité, homogénéité, iid) si j'utilise la distribution gamma?
Je vous remercie
Régression généralisée avec distribution gamma
Re: Personnalité de la régression généralisée et ensemble diagnostiqueLa variance est proportionnelle au niveau de réponse. Vous pouvez essayer une régression log-linéaire de Poisson par le biais de la personnalité Modèles linéaires généralisés puisque vous comptez. Sélectionnez la distribution de Poisson et la fonction de lien de journal canonique. Veillez à inclure les deux options: sur-dispersion et ajustement du biais de Firth. Comme vous utilisez un DOE, je m'attends à ce que l'opportunité pour chaque exécution soit la même et, par conséquent, aucun décalage n'est requis.
Re: Personnalité de la régression généralisée et ensemble diagnostique J'essaie de déterminer si les traitements, type fongicide (X1) et lot de champignons (X2), affectent le nombre moyen de spores (Y). Le plan expérimental est un factoriel 2x2 avec 4 répétitions par combinaison de traitement. L'analyse des résidus ne correspond pas aux hypothèses de l'ANOVA. En particulier, je suis préoccupé par le fait que les résidus ne semblent pas distribués normalement et présentent des variances inégales, ce qui invalide les conclusions de signification statistique des traitements.
Transformer les données ne "normalise" pas non plus les résidus. Par conséquent, je suis intéressé par l’application de toute distribution (telle que Gamma) proposée par la personnalité de la régression généralisée dans JMP.
Re: Personnalité de la régression généralisée et ensemble diagnostiqueAvant d’aller trop loin, plutôt que de discuter des résidus, vous pourriez peut-être nous parler du problème pratique que vous essayez de résoudre? Dans votre fichier, vous avez une belle expérience conçue, équilibrée et répliquée, avec deux facteurs nominaux à deux niveaux chacun. Avec 4 répétitions par combinaison de traitement. On crée rarement un design comme celui-ci sans un peu de prévoyance et de logique. Avant de commencer à examiner les «statistiques» et les visualisations pour évaluer une étude créée par une autre personne, j'aimerais comprendre l'objectif de cette étude.
Re: Personnalité de la régression généralisée et ensemble diagnostiqueMerci beaucoup à vous deux pour vos réponses. Je joins un fichier JMP avec le script de régression généralisée (JSL). Je me demande quelles sont les caractéristiques que je devrais vérifier des résidus par rapport à la distribution gamma?
Re: Personnalité de la régression généralisée et ensemble diagnostiqueEn ajoutant à l'explication de Peter, vous pouvez considérer chaque résidu (Y observé - Y prévu) comme une estimation de l'erreur de réponse. Le modèle de régression généralisée que vous avez utilisé a modélisé les erreurs avec la distribution gamma. Donc, vous supposez que la distribution gamma, et non la distribution normale, lors de la vérification des hypothèses de régression avec les résidus.
Re: Personnalité de la régression généralisée et ensemble diagnostiqueJe pense que vous pouvez mélanger les hypothèses que nous aimerions formuler à propos des résidus et de leurs propriétés souhaitées avec ce qu’elles sont en réalité, en termes de calcul. Les résidus de toute plate-forme de modélisation JMP ne sont rien de plus élégant que la différence entre la réponse observée réelle et la valeur prédite pour cette observation spécifique, en fonction du modèle ajusté. Donc, les résidus sont ce qu'ils sont.
Donc, il y a vraiment une approche en deux étapes ici ...
Étape 1: Calculez les résidus.
Étape 2: Analyser les résidus pour déterminer s'ils ne sont pas adaptés ou tout autre schéma suspect pouvant remettre en question le maintien de l'utilisation du modèle à des fins pratiques.
Nous utilisons des techniques telles que l’analyse résiduelle; de nombreuses visualisations sont intégrées au kit de diagnostic afin de rechercher les hypothèses que nous souhaitons tester. Il n'y a donc pas d'hypothèses intégrées dans les visualisations du bundle. Les données sont ce qu'elles sont. Vous pouvez utiliser votre expertise des yeux et du domaine pour tester la normalité, les modèles non aléatoires, les valeurs aberrantes, etc. Vos yeux et votre expertise de domaine devraient l'emporter sur tous les tests F ou autres tests de «non adaptation» sur la planète.
