Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids)?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Utiliser JMP Pro 12.01 dans ma propre vie
Je souhaite prédire si ces variables prédictives (X), # pas, #kCal, Jours en action, Fréquence de marche, Distance (mile), Temps en action (minutes), Vitesse (mph), Jours de la semaine et Heures de sommeil peuvent prédire le poids perdu (kg) (Réponse Y).
J'ai utilisé SAS JMP Pro 12 et procédé à une simple régression des moindres carrés standard. JMP Model Fits Platform permet de créer de nombreux modèles, dont la partition avancée à l'aide d'arbres de décision, la forêt boostrap, la forêt boostée et les réseaux de neurones. Mais juste pour montrer comment vous pouvez utiliser rapidement les matrices de corrélation de vos données pour développer un modèle dans SAS JMP Pro 12.
La sortie du modèle jointe à partir du modèle de régression standard des moindres carrés JMP Pro standard indique que le résumé de l’ajustement montre que les variables prédictives (X) prédisent une perte de poids (kg) (Y) à R-carré 0,83 avec un RMSE de 0,88, ce qui est très bien. Cela montre que nous sommes sûrs à 83% que la perte de poids peut être réduite si tous ces facteurs sont pris en compte.
Cependant, l'ANOVA montre également que la variation expliquée par le carré R égal à 0,83 est statistiquement significative pour une valeur p inférieure à 0,0001 * et une valeur F pour 18,84.
Enfin, comme votre modèle doit être validé et testé, la formation (qui est l'ensemble des données sur lesquelles le modèle a été développé) est différente des ensembles de données sur lesquels le modèle a été validé et testé et tous affichent un R-Square. valeur de (Formation = 0,83, Validation = 0,80 et Test = 0,80), ce qui montre que vous pouvez être plus sûr à 80% que les données permettent de prédire l'effet de réponse à 80%.
Cette analyse fait partie d'une recherche personnelle en cours utilisant des données podométriques quotidiennes pour prédire la perte de poids et l'IMC.
Les données utilisées dans l'étude personnelle sont en cours et continueraient à être suivies pendant les 5 prochains mois.
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Salut Peter,
J'ai convenu que pour tirer une conclusion complète sur les résultats statistiques, il fallait prendre en compte toutes les statistiques pertinentes présentées; C'est pourquoi j'insiste sur le fait que la valeur R Square ne doit pas être utilisée comme seule marque de votre résultat. Je suis d’accord avec ceux que vous mentionnez et le résultat affiché ici n’est pas concluant et les résultats des autres modèles suggèrent le contraire.
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Jenkins: Ouf ... je commençais à penser que je devais vous donner mon discours sur la maladie redoutée "Mononumerosis". Quel est mon diagnostic lorsque des individus utilisent une seule statistique, isolément, pour tirer des conclusions générales et radicales à partir de résultats analytiques. Mon enquête non scientifique me suggère que R ** 2 est l’un des porteurs les plus insidieux de cette maladie analytique redoutée. Je ne peux pas compter le nombre de fois où j'ai vu des gens regarder R ** 2 et ignorer tous les autres outils de diagnostic ajustés par modèle basés sur la régression ... F - Ratios, valeurs p, courbes de réponse réelle par rapport aux facteurs, résiduelle parcelles, et ainsi de suite. Si R ** 2 est le numéro un, Cp et Cpk sont les deux suivants ...
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Après avoir examiné de plus près les variables, j'ai décidé d'abandonner Days In Action car une autre variable sensible au temps a été utilisée, "Time in Action", qui est plus spécifique pour mesurer en minutes le temps utilisé pour marcher / faire de l'exercice. Je pense que cela a plus de sens que le précédent. Mais Dave, merci, vos suggestions m'ont permis d'examiner de près la pertinence de cette variable.
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Cela n’a-t-il pas un sens que plus vous exercez longtemps, plus vous perdez de poids? La perte de poids est calculée en tant que moyenne des poids quotidien AM et PM. Alternativement, votre suggestion d'un changement de poids quotidien constitue également un argument valable.
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Bien pensé. Les résultats ne sont pas concluants pour le moment, car la collecte de données est en cours. Je viens de poster cet avant-projet pour engager des personnes comme vous pour des retours positifs. En effet, la valeur R-Square explique la partie de la variation prédite par le modèle et il ne faut pas et ne doit pas utiliser exclusivement les valeurs R-Square pour conclure que la perte de poids est uniquement fonction des "jours en action". Une fois le processus de collecte de données terminé, je procéderai à une analyse scientifique modèle et à une explication des résultats à l'aide de divers tests statistiques, d'estimations de paramètres du modèle, de la valeur du R-carré et des valeurs P et F afin de tirer mes conclusions. En aucun cas, je ne vous ai vu commenter négativement. En fait, c’est la raison exacte pour laquelle j’ai publié la première analyse pour voir ce que les autres experts ont à dire. C'est quelque chose que j'ai commencé juste pour m'encourager à perdre du poids après les bombardements de ma femme . Mais autant que je veux faire cela, je dois le faire de manière à valider ce que les autres ont découvert ou conduire à de nouvelles connaissances. Je prends la moyenne quotidienne de mon poids de masse et de mon poids en après-midi, ce qui conduit à la "perte de poids en Adj (kg). Je vous tiendrai au courant.
Re: Les données podométriques (promenades quotidiennes) peuvent-elles prédire une perte de poids?Merci de partager votre modèle. Je soupçonne que vous êtes tombé dans un piège commun: JMP nous permet de créer facilement des modèles et de générer diverses statistiques. Le piège est que nous nous concentrons sur les statistiques et désengageons notre pensée scientifique. Vous soulignez la statistique R-square élevée, mais cela a-t-il un sens? Comment le modèle y parvient-il? Votre question de titre était de savoir si "les données podométriques prédisent la perte de poids". D'après la science, nous savons que l'exercice se traduit par une dépense calorique et que le nombre de calories journalières nettes doit être mis en corrélation avec une perte de poids - mais votre modèle semble ignorer les données de podométrie et s'appuie uniquement sur le nombre de jours d'activité pour expliquer la variation dans vos données de réponse. J'interpréterais le modèle comme disant "plus vous exercez longtemps, plus vous perdez de poids". Je suppose que vous mesurez la perte de poids cumulée (c’est-à-dire votre poids chaque jour), mais si vous souhaitez comprendre l’effet de vos données de podométrie quotidiennes, vous devez examiner le changement de poids quotidien. J'espère que vous allez les traiter comme des commentaires positifs. Je pense que vous avez collecté beaucoup de données intéressantes et qu'il devrait y avoir beaucoup plus d'informations utiles (y compris des corrélations intéressantes entre vos variables x!).
Dave
