Zero-Inflated-Poisson-ModellparametrisierungHallo JMP-Community,
Ich habe einen Datensatz mit einer vorherzusagenden Zählvariablen (Y), 3 numerischen Variablen (X1, X2, X3) und einer kategorialen (X4) als unabhängige Variablen.
Ich habe das aufgeblasene Poisson-Modell von Zero an die Daten sowohl in R als auch in JMP angepasst (aus Anpassungsmodell > verallgemeinerte Regression). Aber die Ergebnisse waren nicht die gleichen. Warum sind sie anders? Ich denke, es könnte einige ungesehene Annahmen geben. Ich meine einige Annahmen wie die Optimierungsmethode und die Anzahl der Iterationen.Wie kann ich die zugrunde liegenden Annahmen des Zero-inflated-Poisson-Modells in JMP sehen?
Ich habe verschiedene ZIP-Modelle in R und JMP für verschiedene Variablen verglichen. Die Ergebnisse sind immer gleich und unterscheiden sich nur, wenn ich diese kategoriale Variable (X4) in mein Modell einbeziehe.
Betreff: Annahmen des Null-aufgeblasenen Poisson-ModellsHi,
JMP verwendet möglicherweise eine andere Kodierungsmethode für kontrastierende Kategorien, wenn Koeffizienten von kategorialen Variablen geschätzt werden. Wenn es nur zwei Kategorien gibt, führt die Verwendung der ordinalen Modellierungsoption für die Variable zu demselben Ergebnis wie andere Programme normalerweise eine Dummy-Variable mit Nullen und Einsen schätzen.
Betreff: Annahmen des Null-aufgeblasenen Poisson-ModellsIch möchte nicht „pingelig“ erscheinen, aber wir verwenden Begriffe mit spezifischen Bedeutungen. Ich glaube nicht, dass es etwas mit dem Modell zu tun hat Annahmen , aber es könnte etwas mit dem Modell zu tun haben Parametrierung , insbesondere der kategoriale Prädiktor. Ich weiß nicht, wie die Modellparameter für die Schätzung in dem von Ihnen verwendeten R-Objekt dargestellt werden. Ich weiß, wie JMP kategoriale Prädiktoren parametrisiert.
Hier ist der Ort, um die JMP-Parametrisierung für kategorische Faktoren in JMP 12 zu entdecken. (Die Parametrierung in JMP 13 ist gleich, aber die Stelle in der Dokumentation ändert sich!)
Auswählen Hilfe > Bücher > Anpassen von linearen Modellen > Anhang A: Statistische Details > Die Faktormodelle . Dieser Abschnitt beschreibt die Codierung sowohl für nominale als auch für ordinale Prädiktorniveaus. Das Effektcodierung die in JMP verwendet wird, unterscheidet sich von der Codierung, die in einigen SAS-Prozeduren verwendet wird, wie z. B. PROC GLM, wie Sie sehen werden. Es kann sich von der in Ihrem R-Objekt verwendeten Codierung unterscheiden.
Ich hoffe, dass diese Informationen dazu beitragen, die von Ihnen beobachteten Unterschiede zu beheben.
Betreff: Annahmen des Null-aufgeblasenen Poisson-ModellsDanke für die Antwort!
Ich verwende JMP Pro 12.0.1. Ich habe maximale Wahrscheinlichkeit und keine Validierung in R und JMP verwendet.
Außerdem habe ich gerade festgestellt, dass es nicht nur um das null aufgeblasene Modell geht. Die Anpassung eines allgemeinen linearen Modells (Poisson) an die Daten führt zu unterschiedlichen Ergebnissen in R und JMP. Auch wenn ich die kategoriale Variable herausnehme, sind die Modelle dieselben. Ist es möglich, dass es einige Annahmen über kategoriale Daten gibt?
Betreff: Annahmen des Null-aufgeblasenen Poisson-ModellsWelche Version von JMP Pro verwenden Sie? Die Algorithmen werden im Laufe der Zeit verbessert.
Welche Schätzmethode in der verallgemeinerten Regression haben Sie verwendet? Das Lasso, das Doppel-Lasso, die Gratregression und das elastische Netz führen beispielsweise zu unterschiedlichen Ergebnissen.
Welche Möglichkeiten hast du für die Anpassung genutzt? Die adaptiven Versionen werden unterschiedliche Ergebnisse liefern.
Welche Validierungsmethode haben Sie verwendet? Die zufällige Zuordnung von Beobachtungen zu unterschiedlichen Holdout-Sets führt bei jeder Anpassung der Daten zu unterschiedlichen Ergebnissen.
