직교 회귀 인터셉트 CI2가지 방법 브리징(210 대 280)의 해석 결과에 대한 지원이 필요합니다.
Bland Altman 플롯과 직교 피팅의 결과는 다음과 같습니다.
- 이 경우 JMP CI에서 절편을 어떻게 계산합니까?
- 27.2가 중요한지 알아야 합니다. 그러면 안 된다... 결과는 약 0.27의 평균 차이로 다릅니다.
Re: 직교 회귀 인터셉트 CI기울기에 대한 신뢰 구간을 계산하는 데 사용되는 접근 방식을 모르겠습니다. 변경할 수 없는 것으로 알고 있습니다. JMP 스크립트를 작성하여 필요한 신뢰 구간을 계산할 수 있습니다.
마지막으로, 제가 원래 설명했던 접근 방식에는 확실히 결함이 있을 것입니다. 직교 회귀에서는 오차 분산 비율을 사용하여 관계를 추정합니다. 비선형 접근 방식은 오류 분산을 고려하지 않습니다. 나는 비선형 접근 방식이 더 엄격한 신뢰 구간으로 이어질 것이라고 확신합니다.
JMP Pro가 있으면 부트스트랩을 사용하여 신뢰 구간을 계산하는 대신 신뢰 구간을 추정할 수 있습니다.
Re: 직교 회귀 인터셉트 CI그래 알았어.
JMP에서 CI를 추정하는 방법이 무엇인지 아시나요?
변경될 수 있나요?Re: 직교 회귀 인터셉트 CI이에 대해 좀 더 조사하면서 절편의 신뢰 구간에 대한 접근 방식을 제공했지만 이것이 이 응용 프로그램에 대한 올바른 값인지 확신할 수 없습니다. 내가 보고 있는 대부분의 연구에서는 적절한 표준 오차를 추정하기 위해 잭나이프 접근 방식을 사용해야 한다고 주장합니다. 제가 제안한 비선형 접근 방식은 그렇게 하지 않는 것입니다. 이제 해석에 더욱 주의하세요.
Re: 직교 회귀 인터셉트 CI솔직히 이 부분을 어떻게 해석해야 할지 모르겠습니다. 회귀 분석에서 오류는 데이터 포인트에서 회귀선까지의 수직 거리입니다. 직교 회귀의 경우 점에서 선까지의 수직 거리입니다. 게다가 데이터가 98~100 범위에 있으므로 이 경우 절편이 실제로 어떤 값을 제공하는지 잘 모르겠습니다. 아마도 다른 사람이 해석을 가지고 있다면 끼어들 수 있을 것입니다.
Re: 직교 회귀 인터셉트 CI좋아요, 작동해요! 감사합니다.
해석에 주의하라고 조언한다면, 방법을 비교하기 위해 무엇을 제안하시겠습니까?
평균 차이는 거의 0입니다. 이렇게 큰 절편이 있나요? 꽤 작은 CI = [27.2, 27.3]Re: 직교 회귀 인터셉트 CIOrthogonal Fit이 있는 데이터 테이블로 돌아갑니다. 210에 대한 열과 280에 대한 열이 있었습니다. X축에는 210이 있고 Y축에는 280이 있습니다.
새 열을 만들고 모델이라고 부르겠습니다. 방정식은 다음과 같습니다.
매개변수를 참고하세요. b0 , 하단 중앙에 직교 맞춤의 절편에 가까운 초기 값입니다. 매개변수를 사용하는 공식을 참고하세요. b0 210 열을 곱한 직교 맞춤의 하드 코딩된 기울기입니다.
이제 비선형 피팅 플랫폼으로 이동합니다. 이 모델 열은 X, 예측 공식입니다. 280 열은 Y, 응답 열이 됩니다. 확인을 클릭하세요. 비선형 제어판에서 이동을 클릭합니다. 그것이 멈출 때, b0 매개변수는 Fit Orthogonal Results와 일치해야 합니다. 그런 다음 신뢰 한계(Confidence Limits) 버튼을 클릭하여 신뢰 구간을 확인하세요.
절편에 대한 해석은 회귀 모델의 해석과 동일하지 않습니다. 기울기가 1이 될 것이라고 기대하지 않는 것처럼 280과 210이 동일한 것을 측정하더라도 이것이 0이 될 것이라고는 기대하지 않습니다. 이는 직교 맞춤이 X와 Y 모두의 가변성을 활용하기 때문입니다. 따라서 신뢰 구간을 해석하는 방법에 매우 주의하십시오.
Re: 직교 회귀 인터셉트 CI기본 데이터세트의 열이어야 하나요?
나는 다음과 같은 구조를 가지고 있습니다 :
그러면 새 열 "단량체 모델"에는 모든 관찰에 대한 값이 포함됩니다(방법 A 및 방법 B에 대한).
모델링 후 플롯이 생겼습니다.
조금만 안내해 주시겠어요?
Re: 직교 회귀 인터셉트 CI이것은 당신이 생각하는 것보다 더 어렵습니다. 이유를 보려면 직교 피팅에서 예측된 값을 저장하세요. 두 개의 예측 열이 표시되며 두 열 모두 보고서에 있는 것과 매우 다른 수식이 있습니다. 이는 X와 Y 모두의 불확실성 때문입니다.
내가 보여주려고 하는 것보다 원하는 것을 얻을 수 있는 더 좋은 방법이 있어야 하는데 지금 당장은 생각이 나지 않습니다. 따라서 접근 방식은 다음과 같습니다.
비선형 추정을 사용합니다. 절편(보고서에서 본 27에 가까운 초기 값)을 유일한 매개변수로 사용하고 기울기의 하드 코드를 가능한 한 많은 자릿수로 갖는 선형 모델이 있는 수식을 사용하여 열을 만듭니다. 분석 > 전문 모델링 > 비선형을 사용하여 이 새 열을 X로 지정하고 Y 변수를 Y로 지정합니다. 이동을 클릭합니다. 절편이 Fit Orthogonal 보고서의 내용으로 수렴되는 것을 볼 수 있습니다. 신뢰 한계 버튼을 클릭하면 절편에 대한 신뢰 구간이 매개변수 테이블에 표시됩니다.
