Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Ich habe also eine Reihe von Null-inflationierten negativen Binomialmodellen und möchte sie grafisch darstellen, damit ich die vorhergesagten Werte speichere. Für die Modelle, die keine signifikanten Faktoren haben, sind die Werte jedoch alle gleich. Warum ist das? Sollte es nicht zumindest einen Trend geben, auch wenn dieser nicht signifikant ist? In ähnlicher Weise hatte eines meiner Modelle eine signifikante Wechselwirkung (zwischen meinem Blockierungsfaktor und meinem Hauptkontinuitätsfaktor). Einer der Blöcke weist alle dieselben Werte auf, während der andere Block einen Trend aufweist.
Warum sehe ich das?
Bearbeiten: Außerdem scheinen alle meine Messwerte genau denselben Trend zu haben. Ich weiß zwar, dass das nicht völlig unmöglich ist, aber es kommt mir seltsam vor, dass sie fast alle genau gleich sind. Hat das etwas damit zu tun, dass ich eine negative Binomialverteilung verwende?
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Ich verstehe. Ich denke, dass die Einbeziehung des Überdispersionsparameters sehr hilfreich ist. Dennoch bedeutet die erhebliche Abweichung, dass Sie voreingenommene Schätzungen der Parameter und der mittleren Antwort akzeptieren müssen, wenn Sie sich für die Verwendung dieses Modells entscheiden. Der lineare Prädiktor kann Transformationen wie Potenzen und Kreuzterme umfassen, wenn der Datensatz ihre Schätzung unterstützt. Wenn Sie einen kontinuierlichen Prädiktor mit nur zwei Ebenen haben, können Sie beispielsweise keine Potenzen einbeziehen.
Ihr Modell ist möglicherweise durch die verfügbaren Daten eingeschränkt.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Danke für die Antwort Mark. Was wären die geeigneten nächsten Schritte, um dieser Verzerrung entgegenzuwirken, wenn ich einen Test auf signifikante Abweichung habe? Sowohl mein Pearson- als auch mein Deviance Prob>ChiSq sind unabhängig von den enthaltenen Prädiktoren/Kovariaten signifikant.
Bearbeiten: In den in JMP bereitgestellten Hilfebüchern heißt es, dass ich bei einem signifikanten Abweichungstest „möglicherweise Terme höherer Ordnung zum Modell hinzufügen, weitere Kovariaten hinzufügen, die Verteilung ändern oder (insbesondere in Poisson- und Binomialfällen) berücksichtigen muss Hinzufügen eines Überdispersionsparameters.“ Abgesehen von der Änderung der Verteilung kann ich keine dieser anderen Optionen wirklich verfolgen.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Das Kontrollkästchen im Dialogfeld „Modell anpassen“ gilt sowohl für den Streuungsparameter als auch für den Streuungstest. Wenn Sie entscheiden, dass die Streuung nicht signifikant ist, führen Sie das Modell erneut aus, nachdem Sie diese Option deaktiviert haben. Andernfalls erhalten Sie sowohl den Test als auch ein Modell mit dem zusätzlichen Überdispersionsparameter.
Der gesamte Modelltest basiert auf einem Likelihood-Ratio-Test zwischen Ihrem Modell und dem reduzierten Modell. Es handelt sich um einen Sammeltest, um zu entscheiden, ob das Modell als Ganzes im Vergleich zur Randverteilung signifikant ist (Antwort unabhängig von allen Termen außer dem Achsenabschnitt). Wir hoffen im Allgemeinen, dass dieser Test signifikant ist!
Der Abweichungstest basiert auf einem Likelihood-Ratio-Test zwischen Ihrem Modell und dem gesättigtes Modell . Das gesättigte Modell passt perfekt, also ohne Voreingenommenheit . Der Abweichungstest ist ein Sammeltest, um zu entscheiden, ob das Modell verzerrt ist. Wir hoffen generell, dass dieser Test nicht aussagekräftig ist! Es ist eine Art passt nicht Test für den GLM und andere verwandte Modelle.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Danke Mark. Zur Klarstellung: Ein signifikanter p-Wert für den Test weist auf eine Überdispersion hin. Und es fügt dem Modell dann automatisch einen Überdispersionsparameter hinzu? Oder schätzt es nur die Größe des benötigten Parameters?
Bearbeiten: Was bedeutet außerdem der Abweichungsparameter im Goodness of Fit-Test?
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Ich werde Ihre Erklärung der Blöcke später studieren. Ich beantworte zunächst nur die Frage nach der passenden Persönlichkeit.
Ich kann in der Generalisierten Regression auch keine Überdispersionsoption finden, aber ich war in Eile. Es ist in der Persönlichkeit „Verallgemeinerte lineare Modelle“ verfügbar:
Beachten Sie die Auswahlmöglichkeiten in der oberen linken Ecke des Dialogfelds.
Die Ergebnisse der Ausführung des Modells umfassen Informationen über die Notwendigkeit einer Überdispersion (Test) und die Schätzung des Parameters:
Das Pearson-Chi-Quadrat im Goodness of Fit-Bericht ist der Test und die Parameterschätzung befindet sich ganz rechts.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Danke für die Antwort Mark.
Je mehr wir darüber reden, desto mehr denke ich, dass ein Poisson-Modell mit einem Überdispersionsparameter das geeignete Modell wäre.Ich würde meine Antwort nicht als Bernoulli-Prozess betrachten. Mir geht es nicht um Erfolg/Misserfolg (z. B. Eier/keine Eier), sondern um die Anzahl der Eier bei jeder Behandlung. Wie würde ich einem Poisson-Modell in JMP einen Überdispersionsparameter hinzufügen? Ich sehe in der Generalisierten Regressionspersönlichkeit keine Option. Wäre es irgendwo in der Persönlichkeit des Generalisierten Linearen Modells?
Vielen Dank für die Klarstellung zum Bereich der Möglichkeiten. Der Bereich der Möglichkeiten ist während der gesamten Studie konsistent. Alle Riffe sind gleich groß und haben die gleiche Anzahl an Nestern. Auch alle Nester sind gleich groß.
Mein experimenteller Entwurf umfasste Blöcke, um mit der räumlichen Heterogenität in der Umgebung umzugehen. Blöcke wurden während des Feldmanipulationsteils der Studie eingerichtet; Sie kann ich an dieser Stelle nicht hinzufügen (obwohl ich sie natürlich aus meinen Analysen entfernen kann). Ein Block enthält eine einzelne Wiederholung jeder Behandlung. Ich habe 10 verschiedene Behandlungen (dh Geschlechterverhältnisse); Jedes Riff hat ein einheitliches Behandlungs-/Geschlechtsverhältnis. Jeder Block verfügt über 10 Riffe (dh 10 Behandlungen). Ich habe insgesamt 2 Blöcke und 20 Riffe. Wenn Sie sich die Diagramme ansehen, können Sie erkennen, dass es bei jedem unterschiedlichen Geschlechterverhältnis ein Riff von Block 1 und ein Riff von Block 2 gibt.
Sie haben Recht, dass eine signifikante Interaktion zwischen meinem Hauptprädiktor und meinen Blockaden bedeutet, dass eine lauernde Variable am Werk ist ... und wir wissen nicht unbedingt, was es ist.Ich würde behaupten, dass Feldmanipulationen in der Meeresökologie notorisch laut sind. Durch Blockieren versuchen wir, dieses Rauschen zu minimieren.
Ich hoffe, das bringt Klarheit. Vielen Dank. Bin dankbar.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Ein negatives Binomialverteilungsmodell ist tatsächlich nützlich, wenn eine übermäßige Streuung vorliegt, aber jedes Modell hat einen Zweck und eine Reihe von Annahmen. Ein Bernoulli-Prozess hat zwei Ergebnisse und Sie müssen beide Ergebnisse beobachten. Wenn Sie ein Ei als Erfolg betrachten, wie zählen Sie dann den Misserfolg (kein Ei)?
Sie können ein Poisson-Verteilungsmodell mit einem Überdispersionsparameter verwenden, sodass Sie nicht die Flexibilität des negativen Binomialverteilungsmodells verlieren. Sie profitieren von einem Modell mit Annahmen, die zu Ihrer Situation passen.
Der Bereich der Möglichkeiten ist ein zentrales Konzept der Zählvorgang . Ich könnte zum Beispiel wöchentlich die Anzahl der Unfälle auf einer bestimmten Autobahn zählen, wobei in diesem Fall eine Woche der mögliche Bereich ist. Ich könnte die Anzahl der Staphylococcus-Infektionen pro 100 Krankenhausbetten in der chirurgischen Abteilung zählen, dann sind 100 Betten der Bereich der Chancen. Dies sind Beispiele, bei denen der Bereich der Möglichkeiten konstant bleibt, während ich Zählungen modelliere oder auf Änderungen teste. Wenn ich andererseits die Anzahl der Unfälle auf vielen verschiedenen Autobahnen (unterschiedliche Länge, verschiedene Arten von Verkehr und Verkehrsbelastung) oder die Anzahl der Staphylococcus-Infektionen in vielen verschiedenen Krankenhäusern (unterschiedliche Anzahl von Betten, verschiedene Abteilungen usw.) zähle Spezialitäten), dann variiert der Bereich der Möglichkeiten für jede Zählung. Ich muss den Bereich der Möglichkeiten messen und ihn als logarithmischen Versatz zum Poisson-Log-Linearmodell hinzufügen. Sie sagen, dass Sie Eier pro Riff zählen. Bietet jedes in die Studie einbezogene Riff die gleichen Möglichkeiten? Wenn nicht, wie bestimmen Sie die unterschiedlichen Einsatzmöglichkeiten?
Mir ist immer noch nicht klar, was Sie mit a meinen Block . Handelt es sich lediglich um eine Nachbildung des gesamten Designs? Wenn ja, dann bedeutet ein Interaktionseffekt wirklich, dass es einen gibt lauernde Variable oder versteckter Faktor bei der Arbeit, nicht nur ein zufälliger Effekt (Replikationsvarianz).Wie kann ich in Ihrer Situation einen weiteren Block erhalten oder einen weiteren Block erstellen? Ich gehe davon aus, dass Sie sich mit „räumlicher Heterogenität“ auf Unterschiede zwischen Riffen beziehen. Aber ist das nicht nur Ihr Zufallsfehler (Stichprobenfehler)? Wenn ja, dann sollten Sie es nicht als festen Effekt (Interaktion) modellieren.
Nachdem wir einige dieser Details geklärt haben, können wir die Handlung besprechen.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?
Sie haben Recht. Ich glaube, ich ging davon aus, dass die mittlere Antwort auf meinen beobachteten Werten und nicht auf meinen vorhergesagten Werten basieren würde (obwohl ich meine „ Vorhersage Forum". Doh). Im Nachhinein verstehe ich, warum ich konstante Werte erhalte, obwohl meine Antwort der Schnittpunkt ist. Der Großteil meiner bisherigen Arbeit beschäftigte sich mit Normalverteilungen, und ich glaube, ich habe versucht, mithilfe der vorhergesagten Werte eine Linie so gut wie möglich an meine beobachteten Werte anzupassen (ähnlich einer linearen Regression). Ich bin mir sicher, dass ich immer noch vieles davon falsch interpretiere, aber ich beginne zu verstehen, warum ich Probleme habe.
Meine Antwort ist tatsächlich die Gesamtzahl (der Eier). Während ich ursprünglich zuvor ein Poisson-Modell verwendet hatte, wurde die Verwendung einer negativen Binomialverteilung empfohlen, da es sich offenbar um eine Überdispersion handelte. Ich würde nicht unbedingt sagen, dass ich in meinem Modell eine Definition von Erfolg oder Misserfolg habe. Es sei denn, das Vorhandensein von Eiern wurde als „Erfolg“ gewertet, obwohl mich das letztlich nicht wirklich interessiert. Ich bin mir also sicher, dass Sie Recht haben, dass ich wahrscheinlich eine Poisson-Verteilung verwenden sollte. Ist es möglich, in JMP einen Überdispersionsparameter auf ein Poisson-Modell anzuwenden? Würde es Ihnen etwas ausmachen, klarzustellen, was Sie unter „Bereich der Möglichkeiten“ verstehen?
Ein Block in meiner Situation enthält eine einzige Wiederholung aller meiner Behandlungen (randomisiert), um mit der räumlichen Heterogenität umzugehen. Leider hatte ich in meinem Modell nur zwei Blöcke (war aus Platz- und Finanzierungsgründen begrenzt).
Die Diagramme A bis E in meinem Panel repräsentieren die fünf verschiedenen Kennzahlen, die ich betrachte: Gesamtzahl der Eier (pro Riff), Weibchen pro Kopf, Männchen pro Kopf, Eierproduktion pro Nest und Eierproduktion pro Gelege. Im Wesentlichen handelt es sich dabei um unterschiedliche Sichtweisen auf die Fortpflanzungsleistung meiner Spezies. Von Bedeutung sind Grundstücke mit einer Trendlinie. Die Parzellen A, D und E hatten alle eine signifikante Wechselwirkung (Geschlechterverhältnis * Block; Männeranteil und Geschlechterverhältnis werden in meiner Studie synonym verwendet), aber nach der Auswahl gab es nichts anderes. Für Parzelle C war lediglich das Geschlechterverhältnis von Bedeutung. Das Ausmaß der Reaktion ist unterschiedlich, aber in allen 5 Parzellen handelt es sich um die Eierzahl.
Wirklich wirklich Vielen Dank für deinen bisherigen Beitrag, Mark. Ihre Antworten haben a aufgeklärt viel der Dinge für mich. Danke schön!
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Es handelt sich nicht um eine Einschränkung der generalisierten Regression in JMP. Das Diagramm zeigt den Graphen der Funktion, die Sie als Modell für verwendet haben mittlere Antwort . In Ermangelung wesentlicher Faktoren sieht es im Allgemeinen etwa so aus: Y = B . B ist der konstante Begriff, oder abfangen . Warum sollten Sie erwarten, dass der vorhergesagte Mittelwert einen Trend zeigt, wenn die Vorhersage immer so ist? B ?
Ich sehe, dass Ihre Antwort lautet Gesamtzahl . Das negative Binomialverteilungsmodell gilt im Allgemeinen für eine Reihe unabhängiger Bernoulli-Prozesse . Es modelliert die Anzahl von Erfolge in einer Folge unabhängiger und identisch verteilter Bernoulli-Versuche vor einer bestimmten (nicht zufälligen) Anzahl von Misserfolge tritt ein. Was ist in Ihrer Situation die Definition von Erfolg und Misserfolg? Zähldaten lassen sich im Allgemeinen besser mit einer Poisson-Verteilung modellieren, die über geeignete Annahmen verfügt. Dieses Einzelparametermodell kann um einen Überstreuungsparameter erweitert werden und Sie können einen Log-Offset einbeziehen, wenn Ihr Chancenbereich nicht konstant ist.
Was ist in Ihrer Situation die Definition einer Blockade? Wie viele Blockaden traten in Ihrer Studie auf?
Was ist die Bedeutung von A durch e in der Handlungsreihe?
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Hallo Mark,
Danke für die Antwort. Ich verwende Mean-Response-Modelle. Ein Datensatz wird als nullinflationiertes negatives Binomialmodell ausgeführt, der andere Datensatz wird als negatives Binomialmodell ausgeführt.
Entschuldigen Sie meine Unwissenheit (ich kenne mich mit negativen Binomialen und dem generalisierten Regressionstool in JMP bei weitem nicht so gut aus, wie ich es gerne hätte), aber warum liefert das Modell für die mittlere Antwort nur eine Konstante für vorhergesagte Werte, wenn dies nicht der Fall ist? irgendwelche wesentlichen Faktoren? Auch wenn ein Modell nicht von Bedeutung ist, könnte es dennoch einen Trend geben, an dem ich auf jeden Fall interessiert wäre. Ist dies eine Einschränkung des generalisierten Regressionstools in JMP?
Mit der Funktion „Vorhersageformel speichern“ habe ich meine Modelle hauptsächlich grafisch dargestellt. Dort habe ich diese Konstanten für meine vorhergesagten Werte in nicht signifikanten Modellen gesehen.
Ein kurzer Überblick über mein Design ist ein kontinuierlicher Prädiktor (Geschlechterverhältnis) mit einem Blockierungsfaktor. Ich schaue mir an, wie sich mein Prädiktor auf die Fortpflanzungsleistung einer Fischart auswirkt. Wenn ich mein Modell ausführe, verwende ich das Geschlechterverhältnis, den Blockierungsfaktor und die Interaktion zwischen beiden. Zusätzlich habe ich die durchschnittliche Größe männlicher und weiblicher Individuen in meinen Riffen (meine Replikate) als Kovariaten einbezogen. Für die Modellanpassung habe ich Forward Selection und AICc verwendet.
Ich habe ein Beispiel für die Produktion eines meiner Modelle beigefügt (dieses spezielle Modell betrachtet die Gesamtproduktion einzelner Riffe). Ich habe auch eine Übersicht meiner Ergebnisse für dieses spezielle Modell beigefügt; Abbildung A ist das Panel, das sich auf diese Analyse bezieht. Die Zahlen wurden in SigmaPlot erstellt, jedoch unter Verwendung der vorhergesagten Werte aus meinen JMP-Analysen.
Ich verstehe auf jeden Fall das Argument, Interaktionen mit blockierenden Faktoren nicht zu modellieren. Aus irgendeinem Grund ist es in meinem Fachgebiet (Meeresökologie) jedoch sehr verbreitet, daher wäre es ungewöhnlich, wenn ich es nicht tun würde.
Vielen Dank für die Antwort, Mark, und wir freuen uns über jede Hilfe. Lassen Sie mich wissen, wenn Sie weitere Ergebnisse und/oder Erläuterungen sehen möchten.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Welche Modelle? Handelt es sich um Vertriebsmodelle, wie sie beispielsweise von Life Distribution verwendet werden? Handelt es sich um Mean-Response-Modelle, wie sie beispielsweise von der Generalisierten Regression verwendet werden?
Du willst sie planen? Speichern Sie das Modell als Spaltenformel und verwenden Sie dann Graph Builder. Es wird der Graph einer Funktion dargestellt.
Das Modell für die mittlere Antwort ist eine Konstante, wenn keine signifikanten unabhängigen Variablen/Faktoren/Prädiktoren/Merkmale vorhanden sind (nur Schnittpunkt).
Wenn es einen Interaktionseffekt gibt, dann hängt per Definition der Effekt eines Faktors (z. B. eines Blocks) von der Stärke eines anderen Faktors (z. B. eines kontinuierlichen Faktors) ab. (Übrigens, sind Sie sicher, dass Sie eine solche Interaktion modellieren möchten? Im Allgemeinen modellieren wir aus philosophischen und realistischen Gründen keine Interaktionen mit blockierenden Faktoren.)
Können Sie das Design, die Daten und die Ausgabe, nach denen Sie fragen, mitteilen? Ich habe eine lebhafte Fantasie, aber sie ist nicht so gut.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Jeder? Entschuldigung für die unaufhörlichen Antworten. Viele meiner Analysen für meine Abschlussarbeit hängen davon ab.
Betreff: Warum sind meine vorhergesagten Werte für mein Modell (ZI-negatives Binomial) alle gleich?Stoßen.
