I dati pedometrici (Daily Walks) possono prevedere la perdita di peso)?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Basta usare JMP Pro 12.01 nella mia stessa vita
Voglio pronosticare se queste variabili predittive (X), # passi, #kCal, Giorni in azione, Frequenza camminata, Distanza (miglio), Tempo in azione (minuti), Velocità (mph), Giorni della settimana e Ore di sonno possono prevedere perdita di peso (kg) (risposta Y).
Ho usato SAS JMP Pro 12 e condotto una semplice regressione standard dei minimi quadrati. Ci sono molti modelli che possono essere costruiti nella piattaforma di JMP Model Fits inclusa la partizione anticipata usando alberi decisionali, foresta boostrap, foresta potenziata e reti neurali. Ma solo per mostrare come è possibile utilizzare rapidamente le matrici di correlazione dei dati per sviluppare un modello in SAS JMP Pro 12.
Dall'output del modello allegato al modello di regressione minima standard di JMP Pro, è possibile notare che il riepilogo di adattamento mostra che le variabili predittive (X) prevedono la perdita di peso (kg) (Y) a R-Square 0,83 con un RMSE di 0,88, che è abbastanza buono Ciò dimostra che siamo sicuri all'83% che la perdita di peso può essere ridotta se si considerano tutti questi fattori.
Tuttavia, l'ANOVA mostra anche che la variazione spiegata da R Square che è 0,83 è statisticamente significativa con P-Value di <0,0001 * con un F-Value di 18,84.
Infine, poiché il modello deve essere convalidato e testato, la formazione (che è l'insieme di dati su cui è stato sviluppato il modello) è diversa dalle serie di dati su cui il modello è stato convalidato e testato e tutti mostrano una R-Square valore di (Formazione = 0,83, Validazione = 0,80 e Test = 0,80), che dimostra ulteriormente che puoi essere più sicuro all'80% che i dati sono l'80% che predice l'effetto di risposta.
Questa analisi è parte di una ricerca personale in corso che utilizza dati pedometrici giornalieri per prevedere la perdita di peso e il BMI.
I dati utilizzati nello studio personale sono attualmente in corso e continueranno a essere monitorati per i prossimi 5 mesi.
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Ciao Peter,
Ho concordato che per fare una conclusione completa sui risultati statistici, si devono prendere in considerazione tutte le statistiche rilevanti presentate; quindi la mia enfasi sul fatto che il valore R Square non dovrebbe essere usato come unico segno del tuo risultato. Sono d'accordo con quelli che hai citato e il risultato pubblicato qui è inconcludente e i risultati di altri modelli suggeriscono il contrario.
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Jenkins: Whew ... stavo cominciando a pensare che avrei dovuto darti la mia sfuriata sulla temuta malattia "Mononumerosis". Qual è la mia diagnosi quando le persone usano una singola statistica, isolatamente, per trarre conclusioni ampie e ampie dai risultati analitici. Il mio sondaggio non scientifico mi suggerisce che R ** 2 è uno dei portatori più insidiosi di questa temuta malattia analitica. Non riesco a contare il numero di volte in cui ho visto le persone guardare R ** 2 e ignorare tutti gli altri ausili diagnostici di adattamento del modello basato sulla regressione ... F - Rapporti, valori p, risposta effettiva contro diagrammi di fattori, residui trame, e così via. Se R ** 2 è il numero uno, Cp e Cpk sono i prossimi due ...
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Dopo aver esaminato attentamente le variabili, ho deciso di abbandonare i giorni in azione poiché è stata utilizzata un'altra variabile sensibile al tempo "Tempo in azione", che è più specifico misurare in minuti la quantità di tempo utilizzata per camminare / esercitare. Penso che ora abbia più senso del precedente. Ma Dave, grazie perché i tuoi suggerimenti mi hanno permesso di osservare da vicino la rilevanza di quella variabile.
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Non ha senso più a lungo si esercita più peso si perde? La perdita di peso è calcolata come media del Peso AM giornaliero e del Peso PM. In alternativa, il suggerimento di un cambio di peso giornaliero costituisce anche un punto valido.
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Pensare bene. I risultati sono inconcludenti in questo momento poiché la raccolta dei dati è in corso. Ho appena postato questo preliminare per coinvolgere persone come te per un feedback positivo. In effetti il valore R-Square spiega la porzione di variazione che il modello sta predicendo e non si dovrebbe e non si deve usare esclusivamente i valori R-Square per concludere che la perdita di peso è esclusivamente una funzione di "giorni in azione". Una volta completato il processo di raccolta dei dati, condurrò un'analisi scientifica del modello e una spiegazione dei risultati utilizzando vari test statistici, le stime dei parametri del modello, il valore R-Square e il valore P e F per trarre le mie conclusioni. In nessun modo ho visto i tuoi commenti negativamente. In effetti, questa è la ragione esatta per cui ho pubblicato l'analisi iniziale per vedere cosa hanno da dire gli altri esperti. Questo è qualcosa che ho iniziato proprio per incoraggiarmi a prendere qualche peso in perdita dopo i bombardamenti da parte di mia moglie . Ma per quanto voglia farlo, devo intraprenderlo in modo tale da convalidare ciò che altri hanno scoperto o portare a nuove conoscenze. Prendo la media giornaliera del mio peso AM e peso PM, che porta alla "Adj Weight Loss (kg). Ti terrò a posto gente.
Ri: Possono i dati pedometrici (Daily Walks) prevedere la perdita di peso)?Grazie per aver condiviso il tuo modello. Sospetto che tu sia caduto in una trappola comune: JMP ci facilita la costruzione di modelli e la generazione di varie statistiche. La trappola è che ci concentriamo sulle statistiche e disimpegniamo il nostro pensiero scientifico. Indichi l'alta statistica del quadrato R, ma ha senso? Come sta raggiungendo il modello? La domanda per il titolo era se "i dati pedometrici predicono la perdita di peso". Dalla scienza sappiamo che l'esercizio si traduce in calorie bruciate e le calorie giornaliere nette dovrebbero essere correlate alla perdita di peso - ma il tuo modello sembra ignorare i dati pedometrici e fa affidamento solo su "giorni in azione" per spiegare la variazione dei dati di risposta. Interpreterei il modello dicendo "più a lungo eserciti più peso perdi". La mia ipotesi è che tu stia misurando la perdita di peso cumulativa (cioè il tuo peso ogni giorno), ma se vuoi capire l'effetto dei tuoi dati giornalieri di pedometria, allora devi guardare al cambio di peso giornaliero. Spero che li tratterai come commenti positivi. Penso che tu abbia raccolto molti dati interessanti, e ci dovrebbero essere molte più informazioni utili (incluse alcune interessanti correlazioni tra le tue x-variabili!).
Dave
