私のモデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?そこで、ゼロインフレの負の二項モデルをいくつか用意し、それらをグラフ化したいので、予測値を保存しています。 ただし、重要な因子がないモデルの場合、値はすべて同じです。 どうしてこれなの？ たとえそれが重要でなくても、少なくとも何らかの傾向が存在するべきではないでしょうか? 同様に、私のモデルの 1 つには、(ブロッキング因子と主要な連続因子の間で) 重大な相互作用がありました。 ブロックの 1 つはすべて同じ値を持ち、もう 1 つのブロックは傾向を示します。
なぜこれが表示されるのでしょうか?
編集: また、私のすべての指標はまったく同じ傾向があるようです。 それが完全に不可能ではないことはわかっていますが、それらがほぼすべて同じであるのは奇妙に思えます。 これは負の二項分布を使用していることと関係があるのでしょうか?
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?わかりました。 過分散パラメータを含めることは非常に役立つと思います。 それでも、大幅な逸脱は、このモデルの使用を選択した場合、パラメーターと平均応答の偏った推定値を受け入れなければならないことを意味します。 データセットが推定をサポートしている場合、線形予測子にはべき乗や交差項などの変換が含まれる場合があります。 たとえば、レベルが 2 つだけの連続予測変数がある場合、べき乗を含めることはできません。
使用可能なデータによってモデルが制限される場合があります。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?マークさん、ご返信ありがとうございます。 重大な逸脱テストがある場合、この偏りに対処するための適切な次のステップは何でしょうか? 私の Pearson と Deviance Prob>ChiSq はどちらも、どのような予測変数/共変量が含まれているかに関係なく、有意です。
編集: JMP で提供されるヘルプブックには、重大な逸脱テストがある場合、「モデルに高次の項を追加するか、より多くの共変量を追加するか、分布を変更するか、(特にポアソンおよび二項の場合に) 考慮する必要があるかもしれない」と記載されています。過分散パラメータを追加します。」 ディストリビューションを変更する以外に、これらの他のオプションを追求することはできません。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?[モデルの適合] ダイアログのチェック ボックスは、分散パラメーターと分散のテストの両方に使用されます。 分散が重要でないと判断した場合は、このオプションのチェックを外してからモデルを再度実行します。 それ以外の場合、テストとモデルの両方に余分な過分散パラメーターが含まれることになります。
モデル全体のテストは、モデルと縮小モデル間の尤度比テストに基づいています。 これは、モデル全体が周辺分布 (切片を除くすべての項から独立した応答) と比較して有意であるかどうかを判断するオムニバス検定です。一般的に、この検定が有意であることを期待しています。
の逸脱テストモデルと飽和モデル。 飽和モデルは完全に適合します。バイアス。 逸脱テストは、モデルに偏りがあるかどうかを判断するためのオムニバス テストです。 私たちは通常、このテストが重要ではないことを望んでいます。 それは一種の運動不足GLM およびその他の関連モデルのテスト。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?ありがとうマーク。 明確にするために、検定の有意な p 値は過剰分散を示します。 そして、モデルに過分散パラメータを自動的に追加しますか? それとも必要なパラメータの大きさを推定するだけなのでしょうか?
編集: さらに、適合度テストの Deviance パラメーターは何を意味しますか?
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?ブロックについての説明は後ほど勉強させていただきます。 とりあえず、性格の相性についての質問だけに答えておきます。
一般化回帰でも過分散のオプションが見つかりませんが、焦りました。 これは、一般化線形モデル パーソナリティで利用できます。
ダイアログ ボックスの左上隅にある選択内容に注目してください。
モデルの実行結果には、過分散 (テスト) の必要性とパラメーターの推定に関する情報が含まれます。
適合度レポートのピアソン カイ 2 乗が検定であり、パラメーター推定値が右端にあります。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?マークさん、返信ありがとうございます。
話せば話すほど、過分散パラメータを備えたポアソンが適切なモデルであると考えるようになりました。私は、私の返答がベルヌーイ裁判であるとは考えません。 私は成功/失敗 (つまり、卵の有無) ではなく、各治療における卵子の数に関心があります。 JMP でポアソン モデルに過分散パラメータを追加するにはどうすればよいですか? 一般化回帰パーソナリティにオプションが表示されません。 それは一般化線形モデルの性格のどこかにあるのでしょうか?
機会の分野について説明していただきありがとうございます。 機会の領域は研究全体を通じて一貫しています。 サンゴ礁はすべて同じ大きさで、巣の数も同じです。 巣の大きさもすべて同じです。
私の実験設計には、環境内の空間的不均一性に対処するためのブロックが組み込まれていました。 ブロックは研究のフィールド操作部分中に設置されました。現時点では追加できるものではありません (もちろん、分析から削除することはできますが)。 1 つのブロックには、各治療の 1 つの複製が含まれます。 私には 10 種類の異なる治療法 (つまり、性比) があります。各サンゴ礁には単一の処理/性比があります。 各ブロックには 10 個のリーフ (つまり 10 回の処理) があります。 ブロックが 2 つ、リーフが合計 20 個あります。 プロットを見ると、異なる性比ごとにブロック 1 のサンゴ礁とブロック 2 のサンゴ礁があることがわかります。
私のメイン予測子と私のブロックの間の重要な相互作用は、何らかの隠れた変数が働いていることを意味します...そしてそれが何であるかは必ずしもわかりません。私は、海洋生態学における現場での操作は、騒音が大きいことで有名だと主張したいと思います。 ブロッキングは、そのノイズを最小限に抑えるための 1 つの方法です。
それが物事を解決し始めることを願っています。 本当にありがとう。 感謝します。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?実際、負の二項分布モデルは過分散がある場合に役立ちますが、すべてのモデルには目的と一連の仮定があります。 ベルヌーイ試行には 2 つの結果があり、両方の結果を観察する必要があります。 卵を成功とみなす場合、失敗 (卵以外) はどのように数えますか?
過分散パラメーターを備えたポアソン分布モデルを使用できるため、負の二項分布モデルの柔軟性が失われることはありません。 状況に一致する前提を備えたモデルの利点が得られます。
のチャンスの領域の中心的な概念です計数プロセス。 たとえば、特定の高速道路で毎週発生する事故の数を数えるとします。この場合、1 週間が機会の範囲となります。 外科部門の病床 100 床あたりのブドウ球菌感染者数を数えてみるかもしれません。この場合、100 床が感染の可能性がある領域となります。 これらは、カウントをモデル化したり変更をテストしたりする間、機会の領域が一定のままである例です。 一方、さまざまな高速道路 (さまざまな長さ、さまざまな種類の交通量と交通量) での事故の数を数えたり、さまざまな病院 (さまざまなベッド数、さまざまな部門、病院) で発生したブドウ球菌感染症の数を数えたりすると、専門分野）の場合、各カウントの機会の領域は異なります。 機会の領域を測定し、それを対数オフセットとしてポアソン対数線形モデルに追加する必要があります。 サンゴ礁ごとに卵を数えると言いましたね。 研究に含まれるすべてのサンゴ礁には同じ機会が与えられますか? そうでない場合、彼らのさまざまな機会分野をどのように判断すればよいでしょうか?
というのが何を意味するのかまだよくわかりませんが、ブロック。 単にデザイン全体を複製しただけなのでしょうか？ もしそうなら、交互作用効果は実際には、潜む変数また隠し要素単なる変量効果（反復分散）ではなく、実際に作用します。あなたの状況で別のブロックを取得または別のブロックを作成するにはどうすればよいですか? 「空間的不均一性」とは、サンゴ礁間の違いを指しているのだと思います。 しかし、それは単なるランダムな誤差 (サンプリング誤差) ではないでしょうか? そうであれば、それを固定効果 (相互作用) としてモデル化すべきではありません。
これらの詳細をいくつか整理したら、プロットについて話し合うことができます。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?
あなたが正しい。 私は、平均応答が予測値ではなく観測値に基づいていると想定していたと思います（「予測フォルマ」。 ドー）。 後から考えると、応答が切片であるときに定数値が得られる理由がわかりました。 これまでの私の研究の大部分は正規分布を扱っており、予測値を使用して、できる限り実測値に直線を当てはめようとしていたと思います (線形回帰と同様)。 私はまだ多くのことを誤解していると思いますが、なぜ問題が発生するのかがわかり始めています。
私の答えは確かに（卵の）総数です。 以前はもともとポアソン モデルを使用していましたが、過分散に対処しているように見えるため、人々は負の二項分布を使用することを推奨していました。 私のモデルに成功または失敗の定義があるとは必ずしも言えません。 卵の存在が「成功」とみなされない限りは別ですが、最終的にはそれが私が興味のあることではありません。 したがって、おそらくポアソン分布を使用する必要があるという考えは正しいと思います。 JMP のポアソン モデルに過分散パラメーターを適用することはできますか? 「機会の領域」という言葉の意味を明確にしていただけますか。
私の状況のブロックには、空間的不均一性に対処するために、そのブロック内にすべての処理の単一の複製 (ランダム化) が含まれています。 残念ながら、私のモデルには 2 つのブロックしかありませんでした (スペースと資金の制限がありました)。
私のパネルのプロット A から E は、私が調べている 5 つの異なる指標を表しています。総卵数 (サンゴ礁あたり)、一人当たりの雌、一人当たりの雄、巣ごとの産卵数、一卵ごとの産卵数です。 本質的に、それらはすべて、私という種の生殖生産物を観察するための異なる方法です。 傾向線のあるプロットは重要です。 プロット A、D、および E にはすべて有意な相互作用 (性比 * ブロック、私の研究では男性比率と性比は同じ意味で使用されます) がありましたが、選択後はそれ以外には何もありませんでした。 プロット C では性比だけが有意でした。 応答のスケールは異なりますが、5 つのプロットすべてで卵の数です。
本当にこれまでの皆様のご意見に感謝します。 あなたの返信で問題が解決しました多く私にとってのこと。 ありがとう！
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?これは、JMP の一般化回帰の制限ではありません。 プロットには、モデルとして使用した関数のグラフが表示されます。平均的な反応。 重大な要因がない場合、通常は次のようになります。 Y = B 。 Bは定数項、またはインターセプト。 予測が常に次のような場合に、予測平均が傾向を示すと期待するのはなぜですか? B ?
あなたの返答は次のとおりです合計数。 負の二項分布モデルは通常、一連の独立した分布に適用されます。ベルヌーイ試行。 の数をモデル化します。成功指定された (非ランダムな) 数の前の一連の独立した同一分散ベルヌーイ試行において失敗が発生します。 あなたの状況における成功と失敗の定義は何ですか? カウント データは通常、適切な仮定を持つポアソン分布を使用することでより適切にモデル化されます。 この単一パラメーター モデルは過分散パラメーターで拡張でき、機会の領域が一定でない場合は対数オフセットを含めることができます。
あなたの状況におけるブロックの定義は何ですか? あなたの研究では何個のブロックが発生しましたか?
の重要性は何ですかある終えたe一連のプロットの中で？
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?ハイマーク、
返信いただきありがとうございます。 平均応答モデルを実行しています。 一方のデータ セットはゼロインフレート負の二項モデルとして実行され、もう一方のデータ セットは負の二項モデルとして実行されます。
私の無知を許してください (私は負の二項分布や JMP の一般化回帰ツールについて、思っているほど詳しくありません) が、平均応答のモデルは、予測値に定数がない場合にのみ定数を提供するのはなぜですか?重要な要因はありますか？ たとえモデルが重要でなくても、トレンドが存在する可能性があり、それは私がぜひ見てみたいものです。 これは JMP の一般化回帰ツールの制限ですか?
私は主に「予測式の保存」機能を使用してモデルをグラフ化してきました。 そこで、有意でないモデルの予測値にこれらの定数が見られるようになりました。
私の設計を簡単に要約すると、ブロック因子を伴う連続予測因子 (性比) です。 私は、予測変数が魚種の生殖能力にどのような影響を与えるかを調べています。 モデルを実行するときは、性比、ブロック因子、およびその 2 つの相互作用を使用します。 さらに、私のサンゴ礁（私の複製）の男性と女性の平均サイズを共変量として含めました。 モデルのフィッティングには前方選択と AICc を使用しました。
私のモデルの 1 つの出力の例を含めました (この特定のモデルは、個々のサンゴ礁の総生産量を調べています)。 この特定のモデルの結果のパネルも含めました。図 A は、この分析に関連するパネルです。 数値は SigmaPlot で作成されましたが、JMP 分析からの予測値を使用して作成されました。
阻害因子との相互作用をモデル化しないという議論は確かに理解しています。 しかし、何らかの理由で、私の分野（海洋生態学）では、それは非常に一般的であるため、そうでないことは珍しいでしょう。
Mark さん、ご返信いただきありがとうございます。助けていただければ幸いです。 さらに多くの出力や説明が必要な場合はお知らせください。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?どのモデルですか？ これらは Life Distribution で使用されているような配布モデルですか? 一般化回帰で使用されるような平均応答モデルですか?
それらをプロットしたいですか？ モデルを列式として保存し、グラフ ビルダーを使用します。 関数のグラフをプロットします。
有意な独立変数/因子/予測子/特徴(切片のみ)がない場合、平均応答のモデルは定数になります。
交互作用効果がある場合、定義により、1 つの因子 (ブロックなど) の効果は別の因子 (連続因子など) のレベルに依存します。 (ところで、このような相互作用をモデル化してもよろしいですか? 一般に、哲学的および現実的な理由から、ブロック因子との相互作用をモデル化しません。)
あなたが求めているデザイン、データ、出力を共有していただけますか? 私は想像力が豊かですが、それほど良いものではありません。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?誰？ ひっきりなしに返信してしまい申し訳ありません。 私の論文分析の多くはこれに依存しています。
Re: モデルの予測値 (ZI 負の二項分布) がすべて同じなのはなぜですか?バンプ。
