Orthogonaler Regressionsabschnitt CIIch benötige Unterstützung bei der Interpretation der Ergebnisse von 2 Methoden-Bridging (210 vs. 280).
Die Ergebnisse des Bland-Altman-Diagramms und der orthogonalen Anpassung sind unten aufgeführt.
- Wie berechnet man in diesem Fall in JMP CI für den Abschnitt?
- Ich muss wissen, ob 27,2 signifikant ist. Es sollte nicht sein... Die Ergebnisse unterscheiden sich mit einer mittleren Differenz von etwa 0,27.
Betreff: Orthogonaler Regressionsabschnitt CIIch kenne den Ansatz zur Berechnung des Konfidenzintervalls für die Steigung nicht. Ich weiß, dass es nicht geändert werden kann. Sie könnten ein JMP-Skript schreiben, um die benötigten Konfidenzintervalle zu berechnen.
Schließlich wäre der Ansatz, den ich ursprünglich skizziert habe, sicherlich fehlerhaft. Bei der orthogonalen Regression wird das Verhältnis der Fehlervarianzen zur Schätzung des Zusammenhangs verwendet. Der nichtlineare Ansatz berücksichtigt diese Fehlervarianz nicht. Ich bin sicher, dass der nichtlineare Ansatz zu einem engeren Konfidenzintervall führen würde.
Wenn Sie über JMP Pro verfügen, können Sie Bootstrapping verwenden, um die Konfidenzintervalle zu schätzen, anstatt sie zu berechnen.
Betreff: Orthogonaler Regressionsabschnitt CIOK, ich verstehe.
Haben Sie eine Idee, wie die CI in JMP geschätzt wird?
Kann es geändert werden?Betreff: Orthogonaler Regressionsabschnitt CIObwohl ich bei meiner weiteren Recherche einen Ansatz für das Konfidenzintervall des Achsenabschnitts angegeben habe, bin ich mir nicht sicher, ob es sich um den richtigen Wert für diese Anwendung handelt. Die meisten Arbeiten, die ich sehe, behaupten, dass man einen Jacknife-Ansatz verwenden muss, um den entsprechenden Standardfehler abzuschätzen. Mit dem nichtlinearen Ansatz, den ich vorgeschlagen habe, gelingt das nicht. Seien Sie jetzt also noch vorsichtiger bei der Interpretation.
Betreff: Orthogonaler Regressionsabschnitt CIEhrlich gesagt weiß ich nicht, wie ich den Abschnitt dafür interpretieren würde. Bei der Regression ist der Fehler der vertikale Abstand von Datenpunkten zur Regressionsgeraden. Bei der orthogonalen Regression ist es der senkrechte Abstand von einem Punkt zur Linie. Hinzu kommt, dass Ihre Daten im Bereich von 98 bis 100 liegen. Ich bin mir nicht sicher, welchen Wert der Abschnitt in diesem Fall tatsächlich liefert. Vielleicht könnte sich jemand anderes melden, wenn er eine Interpretation hat.
Betreff: Orthogonaler Regressionsabschnitt CIGroßartig, es funktioniert! Danke schön.
Wenn Sie raten, bei der Interpretation vorsichtig zu sein, was würden Sie empfehlen, um die Methoden zu vergleichen?
Der mittlere Unterschied beträgt fast 0. Wir haben so einen großen Schnittpunkt? Mit einem ziemlich kleinen CI = [27,2, 27,3]Betreff: Orthogonaler Regressionsabschnitt CIGehen Sie zurück zu der Datentabelle mit Ihrer orthogonalen Anpassung. Sie hatten eine Spalte für 210 und eine Spalte für 280. Sie hatten 210 auf der X-Achse und 280 auf der Y-Achse.
Erstellen Sie eine neue Spalte, nennen wir sie Modell. Die Gleichung sieht folgendermaßen aus:
Beachten Sie den Parameter, b0 , in der unteren Mitte und der Anfangswert, der nahe am Schnittpunkt Ihrer orthogonalen Anpassung liegt. Beachten Sie die Formel, die den Parameter von verwendet b0 und die hartcodierte Steigung aus der orthogonalen Anpassung, multipliziert mit der Spalte 210.
Gehen Sie nun zur nichtlinearen Anpassungsplattform. Diese Modellspalte ist die X-Vorhersageformel. Die Spalte 280 ist die Spalte Y, Antwort. OK klicken. Klicken Sie in der nichtlinearen Systemsteuerung auf Los. Wenn es stoppt, wird die b0 Der Parameter sollte mit den Ergebnissen der orthogonalen Anpassung übereinstimmen. Klicken Sie dann auf die Schaltfläche „Konfidenzgrenzen“, um das Konfidenzintervall anzuzeigen.
Denken Sie daran, dass Ihre Interpretation des Achsenabschnitts NICHT dieselbe ist wie für ein Regressionsmodell. Ich würde NICHT erwarten, dass dies 0 ist, selbst wenn 280 und 210 dasselbe messen, genauso wie ich nicht erwarten würde, dass die Steigung 1 ist. Dies liegt daran, dass die orthogonale Anpassung die Variabilität sowohl in X als auch in Y nutzt. Seien Sie daher äußerst vorsichtig bei der Interpretation des Konfidenzintervalls.
Betreff: Orthogonaler Regressionsabschnitt CISollte es eine Spalte im Primärdatensatz sein?
Ich habe eine Struktur wie:
Damit die neue Spalte „Monomermodell“ Werte für alle Beobachtungen (für Methode A und Methode 
enthält?
Nach der Modellierung habe ich nur noch einen Plot:
Könnten Sie uns bitte etwas anleiten?
Betreff: Orthogonaler Regressionsabschnitt CIDas ist anspruchsvoller, als Sie vielleicht denken. Um herauszufinden, warum, speichern Sie die vorhergesagten Werte aus Ihrer orthogonalen Anpassung. Sie sehen zwei Vorhersagespalten und beide haben Formeln, die sich stark von denen im Bericht unterscheiden. Dies ist auf die Unsicherheit sowohl im X- als auch im Y-Bereich zurückzuführen.
Es muss einen besseren Weg geben, um das zu bekommen, was Sie wollen, als das, was ich gleich zeigen werde, aber mir fällt im Moment nichts ein. Also ein Ansatz:
Verwenden Sie eine nichtlineare Schätzung. Erstellen Sie eine Spalte mit einer Formel, die das lineare Modell mit dem Achsenabschnitt (mit einem Anfangswert nahe der 27, die Sie im Bericht gesehen haben) als einzigem Parameter und einem harten Code in der Steigung auf so viele Ziffern wie möglich enthält. Verwenden Sie Analysieren > Spezialisierte Modellierung > Nichtlinear und geben Sie diese neue Spalte als X und Ihre Y-Variable als Y an. Klicken Sie auf Los. Sie sollten sehen, dass der Achsenabschnitt mit dem konvergiert, was im Bericht „Orthogonal anpassen“ enthalten war. Klicken Sie auf die Schaltfläche „Konfidenzgrenzen“. Das Konfidenzintervall für den Schnittpunkt wird in der Parametertabelle angezeigt.
