로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]여보세요,
2 매개 변수 프로 비트를 사용하여 로그 변환 사망률 데이터에 대해 일부 적합 곡선 작업을 수행하고 있으며 ANOM을 사용하여 비교할 때 상한 및 하한 이이 로그 변환 데이터 세트의 동일한 값인 이유에 대해 혼란 스럽습니다.
변환되지 않은 동일한 데이터에서 이것을 실행하면 비교에 대한 적절한 한계가 있습니다. 이 결함입니까 아니면 내가 잘못하고 있습니까?
친절하다,
조
재 : 로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]오류가있을 수 있습니다. 귀하의 데이터가 없어 귀하의 관찰을 확인할 수 없습니다.
나는 사용했다 무게 과 신장 각각의 지수 2P 모델에 맞는 Big Class 데이터 테이블 나이 . 나는 추정치를 비교했다.
나는 적용 로그() 기능 무게 내 분석을 반복했습니다.
변환이 예상대로 스케일과 모양을 변경했습니다. 나의 간단한 시험은 당신이 보는 문제를 재현하지 않는 것 같습니다.
원래 반응과 변환 된 반응을 사용하여 데이터에 대한 적합도를 아래와 같이 표시 할 수 있습니까?
재 : 로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]
나란히 있습니다. 선량 반응을 비교하고 있으므로 선량을 로그 변환해야합니다 (표준 연습). 당신에게 몇 가지 배경을 제공합니다. GLM-Binomial-Probit와 Probit 2P를 비교하는 비율과 비교하여 ld50을 비교하려고합니다. 정량.
당신이 가진 제안에 감사드립니다.
재 : 로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]고마워, 그 음모가 도움이됩니다. 그들은 결정 한계에 불일치를 분명히 보여줍니다! 그러나 표준 곡선 데이터 및 맞춤 (오버레이 및 개별)으로 위에서 설명한 것과 동일한 플롯을 표시 할 수 있는지 궁금합니다.
JMP 기술 지원으로 이동하지 않고도 문제를 해결할 수 있습니다.
재 : 로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]
아래는 Y로 사용중인 공식입니다. GLM 분석으로 생성 된 예측 공식입니다.
재 : 로그 변환 된 데이터 결함에 대한 평균 (ANOM) 결정 한계 분석 [적합 곡선]데이터 또는 모델에 명백한 문제가 없습니다. 이 문제를 JMP 기술 지원 부서에보고합니다 ( support@jmp.com ).
발견 한 내용을 다시보고하십시오!
