Paramétrage du modèle de Poisson zéro gonfléBonjour la communauté JMP,
J'ai un ensemble de données avec une variable de comptage à prédire (Y), 3 variables numériques (X1, X2, X3) et une catégorielle (X4) comme variables indépendantes.
J'ai adapté le modèle de Poisson gonflé à zéro aux données à la fois dans R et JMP (à partir du modèle d'ajustement> régression généralisée). Mais les résultats n'étaient pas les mêmes. Pourquoi sont-ils différents ? Je pense qu'il peut y avoir des hypothèses invisibles. Je veux dire certaines hypothèses comme la méthode d'optimisation et le nombre d'itérations.Comment puis-je voir les hypothèses sous-jacentes du modèle de Poisson gonflé à zéro dans JMP ?
J'ai comparé différents modèles ZIP dans R et JMP pour différentes variables. Les résultats sont toujours les mêmes, et ce n'est différent que lorsque j'inclus cette variable catégorielle (X4) dans mon modèle.
Objet : Hypothèses du modèle de Poisson sans gonflageSalut,
JMP peut utiliser une méthode de codage différente pour les catégories contrastées lors de l'estimation des coefficients des variables catégorielles. S'il n'a que deux catégories, l'utilisation de l'option de modélisation ordinale pour la variable donnera le même résultat car d'autres programmes estiment généralement une variable fictive avec des zéros et des uns.
Objet : Hypothèses du modèle de Poisson sans gonflageJe ne veux pas paraître "pointilleux", mais nous utilisons des termes avec des significations spécifiques. Je ne pense pas que cela ait quelque chose à voir avec le modèle hypothèses , mais cela pourrait avoir quelque chose à voir avec le modèle paramétrage , le prédicteur catégoriel en particulier. Je ne sais pas comment les paramètres du modèle sont représentés pour l'estimation dans l'objet R que vous utilisez. Je sais comment JMP paramètre les prédicteurs catégoriels.
C'est ici que vous découvrirez le paramétrage JMP des facteurs catégoriels dans JMP 12. (Le paramétrage dans JMP 13 est le même, mais l'emplacement dans la documentation change !)
Sélectionner Aider > Livres > Ajustement de modèles linéaires > Annexe A : Détails statistiques > Les modèles factoriels . Cette section décrit le codage pour les niveaux de prédicteurs nominaux et ordinaux. Le codage des effets utilisé dans JMP est différent du codage utilisé dans certaines procédures SAS, telles que PROC GLM, comme vous le verrez. Il peut être différent du codage utilisé dans votre objet R.
J'espère que ces informations aideront à résoudre les différences que vous avez observées.
Objet : Hypothèses du modèle de Poisson sans gonflageMerci pour votre réponse!
J'utilise JMP Pro 12.0.1. J'ai utilisé le maximum de vraisemblance et aucune validation dans R et JMP.
De plus, je viens de découvrir qu'il ne s'agit pas seulement du modèle zéro gonflé. L'ajustement d'un modèle linéaire général (poisson) aux données donne des résultats différents dans R et JMP. Encore une fois, lorsque je retire la variable catégorielle, les modèles sont les mêmes. Est-il possible qu'il y ait des hypothèses sur les données catégorielles ?
Objet : Hypothèses du modèle de Poisson sans gonflageQuelle version de JMP Pro utilisez-vous ? Les algorithmes sont améliorés au fil du temps.
Quelle méthode d'estimation dans la régression généralisée avez-vous utilisée ? Le lasso, le double lasso, la régression de crête et le filet élastique, par exemple, produisent des résultats différents.
Quelles options avez-vous utilisé pour le montage? Les versions adaptatives produiront des résultats différents.
Quelle méthode de validation avez-vous utilisée ? L'affectation aléatoire d'observations à différents ensembles retenus produit des résultats différents chaque fois que vous ajustez les données.
