Interception de régression orthogonale CIJ'ai besoin d'aide pour interpréter les résultats de 2 méthodes de pontage (210 vs 280).
Les résultats du tracé de Bland Altman et de l'ajustement orthogonal sont ci-dessous.
- Comment calculer dans JMP CI l'interception dans ce cas ?
- J'ai besoin de savoir si 27,2 est significatif. CA ne devrait pas être... Les résultats diffèrent avec une différence moyenne autour de 0,27.
Re : Interception de régression orthogonale CIJe ne connais pas l'approche utilisée pour calculer l'intervalle de confiance de la pente. Je sais que cela ne peut pas être changé. Vous pouvez écrire un script JMP pour calculer les intervalles de confiance dont vous avez besoin.
Enfin, l’approche que j’ai initialement décrite serait certainement imparfaite. Avec la régression orthogonale, le rapport des variances d'erreur est utilisé pour estimer la relation. L'approche non linéaire ne prend pas en compte cette variance d'erreur. Je suis certain que l'approche non linéaire conduirait à un intervalle de confiance plus serré.
Si vous disposez de JMP Pro, vous pouvez utiliser le bootstrap pour estimer les intervalles de confiance, plutôt que de les calculer.
Re : Interception de régression orthogonale CIOK je vois.
Avez-vous une idée de la méthode pour estimer CI dans JMP ?
Peut-on le changer ?Re : Interception de régression orthogonale CIEn faisant un peu plus de recherches à ce sujet, même si j'ai donné une approche pour l'intervalle de confiance de l'interception, je ne suis pas sûr que ce soit la valeur correcte pour cette application. La plupart des travaux que je vois affirment que vous devez utiliser une approche jacknife pour estimer l'erreur type appropriée. L'approche non linéaire que j'ai suggérée ne permet pas cela. Alors maintenant, soyez encore PLUS attentif à l’interprétation.
Re : Interception de régression orthogonale CIHonnêtement, je ne sais pas comment j'interpréterais l'interception pour cela. En régression, l'erreur est la distance verticale entre les points de données et la ligne de régression. Pour la régression orthogonale, il s'agit de la distance perpendiculaire d'un point à la ligne. Ajoutez à cela que vos données sont comprises entre 98 et 100, je ne suis pas sûr de la valeur réellement fournie par l'interception dans ce cas. Peut-être que quelqu'un d'autre pourrait intervenir s'il a une interprétation.
Re : Interception de régression orthogonale CISuper, ça marche ! Merci.
Si vous conseillez d’être prudent dans l’interprétation, que suggéreriez-vous de faire pour comparer les méthodes ?
La différence moyenne est presque 0, nous avons une telle interception énorme ? Avec un IC assez petit = [27,2, 27,3]Re : Interception de régression orthogonale CIRevenez au tableau de données contenant votre ajustement orthogonal. Vous aviez une colonne pour 210 et une colonne pour 280. Vous en aviez 210 sur l’axe X et 280 sur l’axe Y.
Créez une nouvelle colonne, appelons-la Modèle. L'équation ressemblera à ceci :
Notez le paramètre, b0 , en bas au centre et la valeur initiale proche de l'intersection de votre ajustement orthogonal. Notez la formule qui utilise le paramètre de b0 et la pente codée en dur de l'ajustement orthogonal multipliant la colonne 210.
Accédez maintenant à la plateforme d'ajustement non linéaire. Cette colonne Modèle est la formule X, prédicteur. La colonne 280 sera la colonne Y, Réponse. Cliquez sur OK. Dans le panneau de configuration non linéaire, cliquez sur Aller. Quand il s'arrête, le b0 Le paramètre doit correspondre aux résultats d’ajustement orthogonal. Cliquez ensuite sur le bouton Limites de confiance pour voir l'intervalle de confiance.
N'oubliez pas que votre interprétation de l'interception n'est PAS la même que pour un modèle de régression. Je ne m'attendrais PAS à ce que ce soit 0 même si 280 et 210 mesurent la même chose, tout comme je ne m'attendrais pas à ce que la pente soit de 1. En effet, l'ajustement orthogonal utilise la variabilité à la fois du X et du Y. Soyez donc extrêmement prudent sur la façon dont vous interprétez l’intervalle de confiance.
Re : Interception de régression orthogonale CIDoit-il s'agir d'une colonne dans l'ensemble de données principal ?
J'ai une structure comme :
Ainsi, la nouvelle colonne "Modèle monomère" aura des valeurs pour toutes les observations (pour la méthode A et la méthode 
?
Après la modélisation j'ai juste un tracé :
Pourriez-vous nous guider un peu, s'il vous plaît ?
Re : Interception de régression orthogonale CIC’est plus difficile que vous ne le pensez. Pour comprendre pourquoi, enregistrez les valeurs prédites de votre ajustement orthogonal. Vous verrez deux colonnes de prédiction et toutes deux contiennent des formules très différentes de celles du rapport. Cela est dû à l’incertitude à la fois sur X et sur Y.
Il doit y avoir une meilleure façon d'obtenir ce que vous voulez que ce que je suis sur le point de montrer, mais je n'y pense pas pour le moment. Donc, une approche :
Utilisez une estimation non linéaire. Créez une colonne avec une formule qui a le modèle linéaire avec l'ordonnée à l'origine (avec une valeur initiale PROCHE du 27 que vous avez vu dans le rapport) comme seul paramètre et codez en dur dans la pente avec autant de chiffres que possible. Utilisez Analyse > Modélisation spécialisée > Non linéaire en spécifiant cette nouvelle colonne comme X et votre variable Y comme Y. Cliquez sur OK. Vous devriez voir l’interception converger vers ce qui figurait dans le rapport Fit Orthogonal. Cliquez sur le bouton Limites de confiance et l'intervalle de confiance pour l'interception sera affiché dans le tableau des paramètres.
