Forse questa è una domanda stupida ma sono nuovo per i modelli generalizzati. Ho eseguito un modello beta generalizzato su alcuni dati di proporzione che è naturalmente tra 0 e 1. Il modello emette stime di parametri che sono significativamente differenti tra i gruppi di trattamento come previsto. Il problema che sto avendo è che le stime dei parametri sono su una nuova scala che non è compresa tra 0 e 1. Presumo che ciò sia dovuto a una sorta di trasformazione che il programma utilizza per eseguire il modello. Voglio essere in grado di interpretare questi risultati sulla scala originale. cioè: i topi test hanno consumato il 95% del mangime trattato con il prodotto A (intervallo di confidenza [97%, 93%]) mentre il mangime trattato con il prodotto B ha visto solo il 20% di consumo (intervallo di confidenza [24%, 16%]) qualcuno conosce un modo semplice di tornare a trasformare le stime?
Ciao @Mananahi ,
Per "modello generalizzato" intendete la personalità della regressione generalizzata nel modello di adattamento? Presumo così per questa risposta, ma se stai facendo qualcos'altro fammi sapere.
Modelli come questo impiegano una funzione di collegamento, quindi le tue stime dei parametri, come hai notato, non si trovano nelle unità originali della tua variabile. Ecco un link al dettagli statistici per tali distribuzioni di risposta e qui ci sono i dettagli specifici per la beta:
C'è molto da decomprimere lì, e il mio suggerimento è di non lavorare attraverso le formule da soli perché c'è un modo più semplice in jmp. Il mio metodo go-to per profilare la risposta nelle unità originali in funzione delle variabili di input è Prediction Profiler. Puoi accedere a questo sotto il triangolo rosso per il tuo modello (accanto a Maximum Likelihood), quindi selezionare Profiler> Profiler. Questo aggiungerà il Profiler di previsione al report, che ti consente di visualizzare in modo interattivo (fai clic su) la risposta Y in funzione dei tuoi input. Quello che viene riportato a sinistra è la risposta media dati gli input selezionati e l'intervallo di confidenza del 95% attorno alla stima di quel punto.
Spero che questo possa essere d'aiuto!
@julian
