Sortie de régression ordinale JMP<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Bonjour à tous
J'essaie d'adapter un modèle avec JMP 10, et les résultats me déroutent. Je pensais que vous pourriez peut-être nous aider.
J'ai une variable dépendante ordinale, avec 3 catégories. Ma principale variable d’intérêt indépendante est discrète, avec pas moins de 5 catégories! En plus de cette IV, j'ai plusieurs autres IV à examiner, certaines sont discrètes et d'autres continues.
J'ai exécuté le modèle à l'aide du module de modèle Fit. Premièrement, je n’ai testé que le principal IV d’intérêt, et quelque chose de bizarre s’est passé. JMP a créé des variables nominales, laissant la dernière catégorie en tant que contrôle, très bien. Le modèle n'était pas significatif, avec P = 0,1134 (test sur modèle entier). Cependant, une variable nominale était en fait significative (P = 0,036). Le carré R généralisé était de 0,01, le carré R d'entropie de 0,009 et le taux d'erreur de classification de l'entraînement de 35% (de sorte que tout ensemble de tests serait plus pauvre). Toutes les indications montrent que les résultats sont hebdomadaires, mais comment puis-je expliquer un modèle entier non significatif alors qu'un IV (dans ce cas un niveau de valeur factice) étant significatif? Il n'y a pas de corrélation, puisque tous les IV sont des niveaux du même mannequin!
Ensuite, j'ai essayé d'ajouter quelques IV en continu. Les deux étaient très significatifs (p = 0,0015, p = 0,0126). Cependant, le carré R généralisé ne représente encore que 5% environ. Les rapports de cotes sont 1,16 et 0,9. Quand j'ai changé le jeu de rôle et créé deux boîtes à moustaches du groupe de ces IV par mon DV, il n'a pas fallu d'expert pour dire qu'il n'y avait pas de différence intéressante. La taille de mon échantillon est de 411, est-ce que la grande taille de l'échantillon a causé les faibles valeurs de p, ou s'agit-il d'une erreur de type I? Comment puis-je expliquer des résultats très significatifs quand j'ai l'impression qu'ils n'ont pas de sens?
Je vous remercie !
Re: sortie de régression ordinale JMPQuel était " bizarre "à propos de votre première impression du premier modèle?
Votre premier prédicteur est-il nominal ou ordinal?
L'ensemble du modèle et les tests d'effet individuels ne sont pas identiques aux tests d'estimations de paramètres individuels. Il est possible qu'il existe un paramètre significatif (estimation différente de 0) associé à un niveau alors que le terme global n'est pas significatif (c'est-à-dire que la différence entre le modèle avec et sans ce terme n'est pas significative). Ainsi, un prédicteur avec au moins 5 niveaux peut inclure un niveau qui produit une estimation significative alors que le terme n’est pas significatif dans l’ensemble. Il est également possible, avec autant de tests utilisant un échantillon de données que vous avez une erreur de type I pour le test significatif de l'estimation du paramètre.
Votre réponse peut être influencée par plus que le prédicteur nominal unique, de sorte que l'ajustement initial avec un prédicteur unique peut ne pas être significatif. Un échantillon de R carré de 0,05 n'est pas rare avec une réponse ordinale. Les fréquences des différents niveaux sont-elles très différentes? Y at-il eu un manque d’ajustement significatif?
Si vous voulez dire par ' changé le jeu de rôle 'que vous ayez inversé le rôle X et Y des mêmes variables, il reste alors une association entre elles indépendamment du rôle, bien que les résultats numériques soient modifiés, car l'erreur est supposée se trouver dans le rôle Y seul.
Si vous voulez dire par ' il n'a pas fallu un expert pour dire qu'il n'y a pas une différence intéressante "que l'effet n'a pas été prononcé, je pense que cela est cohérent avec l'impression donnée par les estimations également. Avec un échantillon suffisant de données, vous pourrez peut-être trouver des estimations de paramètres significatives pour de petits effets. Les rapports de cotes ne sont pas élevés par rapport à la valeur nulle de 1 (aucune association), mais le p -values nous amène à décider qu’elles sont significatives (avec un taux d’erreur accepté de type I de 0,05).
Est-il possible que cette réponse ait des effets qui n’ont pas encore été pris en compte par l’un des modèles précédents?
