Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?J'ai 3 facteurs continus et l'un des résultats de l'étude était que si le produit réussissait ou échouait (les données sont jointes), lorsque j'essaie d'exécuter une logistique ordinale pour cela, j'obtiens une erreur « ALERTE : ÉCHEC DE LA CONVERGE (LIMITE DE RÉDUCTION DE MOITIÉ DES ÉTAPES) ' et après l'alerte, cela me donne un résultat mais je ne sais pas si les résultats sont fiables ou non. Pourquoi est-ce que je reçois cette erreur et comment y remédier ?
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?@MathStatChem Merci pour la réponse détaillée. La solution que vous avez mentionnée a donné le modèle qui fonctionnera, mais lorsque j'ai essayé de le faire, j'obtiens des résultats différents (dans le tableau des estimations des paramètres, je ne répertorie pas tous les effets principaux ainsi que les interactions bidirectionnelles et aucun d'entre eux n'est significatif). Y a-t-il quelque chose qui me manque ici ?
De plus, comme vous l'avez mentionné, si je change cette variable d'ordinale à nominale, la distribution devient « multinomiale » et renvoie le modèle sans résultats significatifs.
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?Mon erreur! Je pensais à la « régression logistique », mais ce n'est pas la personnalité Logistique Nominale ou Logistique Ordinaire. C'est la personnalité du Modèle Linéaire Généralisé. Il propose l'ajustement du biais de Firth avec une réponse binaire.
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?Oh, attendez, l'ajustement du biais de Firth est disponible si vous choisissez le modèle linéaire généralisé comme modèle de personnalité dans l'ajustement, mais vous devez ensuite spécifier la distribution (binomiale) et la fonction de lien (logit).
Je pense toujours que la méthode d'estimation de crête dans la régression généralisée est meilleure pour cette situation.
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?Le premier ajustement du biais n’est plus disponible en option dans Fit Model.
J'ai également remarqué que la variable "defect" est spécifiée comme Ordinal.Changez-le pour qu'il soit Nominal.Au moins, cela ne vous donnera pas l'erreur de réduction de moitié dans Fit Model, puis la sortie vous indiquera que toutes les estimations de paramètres sont instables (indiquant une séparation).
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?Je pense que le problème est que vous avez une « séparation parfaite » dans les données.Voir le nuage de points 3D des 3 facteurs, coloré/marqué par Réussite/Échec (la réussite est une pyramide verte, l'échec est un cercle rouge).Vous pouvez dessiner un plan dans cet espace qui sépare les résultats de réussite/échec.Pour effectuer une régression logistique sans erreurs de convergence, vous avez besoin d'un certain chevauchement des conditions de réussite et d'échec dans l'espace des facteurs.Si vous effectuez l'ajustement dans la régression généralisée avec les effets principaux uniquement, vous verrez qu'un des effets factoriels ne peut pas être estimé.
Il est un peu curieux que lorsque vous effectuez l'ajustement de régression logistique avec les effets principaux + les interactions à deux facteurs dans la régression généralisée, vous n'obtenez pas l'erreur (il doit s'agir d'une régularisation des paramètres ?), mais pour cet ajustement, vous voyez que tous les principaux effets ne sont pas significatifs, mais les interactions entre les deux facteurs sont toutes significatives.C’est également très inhabituel, ce qui indique que le modèle est sur-spécifié.De plus, les intervalles de confiance pour les estimations des paramètres sont énormes, ce qui indique également le problème de séparation.
Ce que vous pouvez essayer de faire, c'est d'ajuster le modèle de régression logistique ordinale en utilisant la méthode d'estimation "Ridge" (qui réduira les paramètres et aidera à surmonter certains des problèmes de séparation, et d'utiliser le laisser-un-dehors comme méthode de validation (utilisée pour choisir le paramètre de faîtage optimal).Cela donne un ajustement de modèle stable, mais vous devez toujours vérifier si ce modèle a du sens.
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?@Mark_Bailey Je pense que c'est un problème de séparation (je lisais quelques articles et je pense que c'est un problème de séparation). Non, je n'ai pas sélectionné Option d'ajustement du biais Firth dans la boîte de dialogue Ajuster le modèle
Re : Échec de la convergence (limite de réduction de moitié par étape). Solution à cette erreur ?Je n'ai pas JMP pour le moment. Vous avez un problème de séparation ? Avez-vous sélectionné l'option d'ajustement du biais Firth dans la boîte de dialogue Ajuster le modèle ?
