Metodo di stima PCA per valori mancanti (log trasformato)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao,
Sono un principiante in statistica e anche con JMP, quindi spero che qualcuno possa aiutarmi con la mia domanda qui sotto. Sto cercando di utilizzare il modulo di covarianza PCA di JMP su un set di dati ambientali relativamente piccolo di 80 righe x 10 colonne (800 valori). Il mio obiettivo è ridurre il set di dati in modo da poter prevedere se le 10 variabili (nelle colonne) variano in 80 posizioni (80 righe). Le variabili hanno tutte le stesse unità e ho trasformato i dati in log10.
Il mio problema è che mancano valori per alcune celle (ovvero posizioni in cui la variabile non è stata rilevata al LOD). Quando utilizzo il metodo di stima predefinito (REML), ottengo circa l'80% della varianza spiegata da PC1. Ma quando utilizzo i dati esatti con il metodo Row-Wise, questo valore scende al 60%. Vorrei capire perché. Capisco che REML sta utilizzando tutti i miei dati e il metodo Row-Wise apparentemente omette i valori mancanti. Ma cosa significa in questo senso omettere, utilizzando invece lo zero e diminuendo così la varianza calcolata? La domanda generale per me è: quale metodo è più conservativo nell'interpretazione dei dati quando i valori mancanti sono dovuti a mancati rilevamenti nel set di dati?
Inoltre, ho provato ad aggiungere +1 al set di dati trasformato in log10 per evitare il problema del valore mancante (suggerimento da un altro forum), ma JMP non mi consente di aggiungere +1 alle celle vuote trasformate in log10. Sto usando JMPPro 12.
Grazie mille per il vostro aiuto! Sascha
Ri: Metodo di stima PCA per valori mancanti (log trasformato)Grazie DanO, proverò a utilizzare questa affermazione con i miei dati!
Ri: Metodo di stima PCA per valori mancanti (log trasformato)Ottimo, grazie mille, Jiancao! Questo aiuta molto!
Ri: Metodo di stima PCA per valori mancanti (log trasformato)jiancao ha risposto alla domanda sulla modellazione, ma hai affermato che JMP non ti consentirebbe di sostituire un 1 al posto dei valori mancanti nella trasformazione del registro. In realtà puoi, ma devi solo aggiungere un'istruzione condizionale come questa:
Ri: Metodo di stima PCA per valori mancanti (log trasformato)Il REML presuppone un modello normale multivariato lineare, il che implica che ogni variabile è linearmente correlata a ogni altra variabile e ciascuna variabile è normalmente distribuita. Ciò che hai fatto è legittimo. Assicurati solo che le tue variabili non siano fortemente distorte a causa di valori anomali estremi, ecc.
Ri: Metodo di stima PCA per valori mancanti (log trasformato)Grazie mille, Jiancao!
REML è stata anche la mia sensazione viscerale poiché i non rilevamenti non sono completamente casuali (ad esempio, alcune variabili non sono state rilevate in un determinato gruppo di tutte le mie 80 posizioni).
Hai detto che dovrei essere consapevole della distribuzione normale multivariata che assumerei, usando REML. Cosa intendi esattamente con questo e come posso verificare questa normale distribuzione dei miei dati? Ciò che ho fatto finora è stato verificare la distribuzione di ciascuna variabile utilizzando il grafico dei quantili normali di distribuzione in JMP. Solo a occhio posso vedere che tutti i punti per ciascuna variabile seguono uno schema lineare all'interno degli intervalli di confidenza. È un modo legittimo per farlo?
Grazie ancora,
Sascha
Ri: Metodo di stima PCA per valori mancanti (log trasformato)Il metodo per riga esclude INTERE righe dalla stima ovunque sia presente almeno una singola cella mancante; non sostituisce uno 0. REML utilizza nella sua stima tutte le celle non mancanti, in altre parole, solo le celle mancanti in quella riga non vengono utilizzate. Pertanto, i dati effettivi utilizzati da Row-wise sono inferiori a quelli di REML quando mancano dati.
È difficile dire con certezza quale sia il metodo più conservativo o migliore: dipende dalla natura dei dati mancanti. Questi non rilevamenti sono completamente casuali?In tal caso, il metodo per riga potrebbe essere OK da utilizzare. Altrimenti utilizzare REML poiché è essenzialmente un metodo di imputazione dei dati mancanti adattando un modello misto, ma sii consapevole della distribuzione normale multivariata presupposta. Personalmente opterei per REML.
