Beta Regressione generalizzata binomiale VariabiliHo un set di dati che è costruito in questo modo:
| ID | Replicare | Y | X1 | X2 |
| UN | 1 | 0 | .78 | .33 |
| UN | 2 | 0.25 | .44 | .09 |
| B | 1 | 0.25 | .76 | .66 |
| B | 2 | 1 | .31 | .39 |
| C | 1 | 0 | .11 | .48 |
| C | 2 | 0 | .07 | .22 |
La distribuzione binomail beta sembra appropriata perché la mia variabile di risposta (Y) è porporzionale. Pertanto, mi interessa osservare la relazione tra le due variabili X e Y. Per utilizzare una regressione binomiale beta in jmp, è necessario:
La distribuzione binomiale beta richiede una dimensione del campione maggiore di una per ogni osservazione. Pertanto, l'utente deve specificare una colonna di dimensioni del campione. Per inserire una colonna della dimensione del campione, specificare due colonne continue come Y in questo ordine: il conteggio del numero di successi e il conteggio del numero di prove. La funzione di collegamento per p è il logit.
Qualcuno ha mai usato questo tipo di analisi e comprende come organizzare il set di dati per eseguirlo correttamente? Grazie per l'aiuto!
Re: Beta Binomial Generalized Regress VariablesGrazie per l'aiuto! Questo è molto più chiaro!
Re: Beta Binomial Generalized Regress VariablesSì, JMP richiede due colonne nel ruolo Y. L'ordine di entrata nel ruolo Y è importante. La prima colonna di dati è un conteggio dei successi (come si definisce successo) e la seconda colonna è il conteggio del totale osservato (successi più errori). Ad esempio, potresti aver osservato 10 casi ma nessuno di questi ha avuto successo quando ID = A e Replica = 1. Invece di una percentuale di 0, inserisci un conteggio di 0 e una dimensione di 10. È necessario sostituire la Y proporzionale nella tabella dei dati con due colonne di dati.
Re: Beta Binomial Generalized Regress VariablesSto adattando una regressione generalizzata binomiale beta ma il grafico di regressione nell'output non è accurato. Il numero di successo (o numero attaccato) dovrebbe essere compreso tra 0 e 50, ma nella trama non è mai superiore a 5. In allegato c'è uno screenshot dei dati e dell'output. Qualche idea su cosa sta succedendo qui?
