<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Avec JMP 10, je peux demander un «tracé d’ajustement logistique» pour une régression logistique ordinale (en utilisant l’ajustement y sur x ou le modèle d’ajustement). Le "problème" apparent est que l'intrigue est l'inverse de ce que j'attends. En d'autres termes, il est nécessaire de visualiser la zone au-dessus d'une ligne comme la probabilité qu'un événement se produise. On doit pratiquement ignorer les lignes elles-mêmes. En d'autres termes, lorsque je m'attends à voir une ligne courbe montrant une "bosse" (valeurs y les plus élevées pour les valeurs x intermédiaires), elle montre une courbe qui est un fer à cheval. Si je lance les mêmes données avec OLS (montrant une courbe polynomiale), je reçois une belle bosse pour les données. (Pour éviter toute confusion, je demande une fonction polynomiale ou quadratique, ce qui explique pourquoi la ligne est pointée au milieu - ce n'est pas le problème.)
Le même problème se produit avec la régression logistique simple (binaire). Il faut voir les zones au-dessus de la ligne plutôt que les lignes. Il donne les estimations et les rapports de cotes pour un événement "ne se produisant pas" plutôt que survenant.
J'ai montré ce complot à quelques personnes qui sont aussi confuses. Nous sommes habitués à voir les tracés de régression logistique (comme pour les tracés OLS) avoir une ligne qui représente la probabilité d'un événement à différentes valeurs «x».
Quelqu'un peut-il me dire pourquoi JMP trace les données de cette manière? Je ne trouve pas d'exemples similaires pour d'autres logiciels. Des suggestions sur quoi faire? Que fait SAS? Je ne sais pas si je peux tromper JMP en inversant les valeurs numériques - j'ai essayé de le faire mais j'interprète mal le produit.
Je vais joindre une sortie montrant l'intrigue en fer à cheval. Les valeurs y les plus élevées correspondent aux valeurs x médianes (indiquées ici au bas de la cuvette).
