Regressione usando residui absoulteHo dati annuali sugli estremi delle precipitazioni (dati in frequenza, da 0 a 15) dal 1989 al 2019. La mia ipotesi è che gli estremi climatici (precipitazioni) siano aumentati negli ultimi 16 anni (2004-2019) rispetto ai precedenti 15 anni (1980-2003).
Ho eseguito la regressione con questi dati e i miei risultati mostrano che la linea di regressione è verso il basso. Quindi ho eseguito la regressione usando i residui assoluti e questa volta i risultati mostrano che la linea di regressione dei residui assoluti è verso l'alto.
Sto facendo bene?
Perché due tipi di risultati?
Qual è giusto?
Ri: Regressione usando residui absoulteNon sono sicuro che la regressione lineare sia il metodo corretto per confrontare due periodi di tempo. La regressione richiede l'abbinamento di un valore X e Y, come Precipitazione contro Anno per una tendenza. Qual è la tua risposta e qual è il tuo regressore?
Come hai eseguito entrambe le regressioni in JMP? Conoscere i metodi che hai usato ci aiuterà ad aiutarti con una risposta corretta.
Se stai usando i conteggi come risposta, una regressione logineare di Poisson potrebbe essere più soddisfacente. Ma non vedo ancora come hai confrontato i due periodi di tempo. Solo confrontando le stime dei parametri? In tal caso, esistono metodi più completi per un caso del genere. Supponendo che la tendenza sia lineare nel tempo, allora potresti avere un predittore lineare come Precipitazione = costante + beta (1) * Anno + beta (Periodo) + beta (2) * Periodo * Anno. In questo modo, è possibile verificare se esiste una differenza media tra i due periodi e se la tendenza è diversa tra i due periodi.
Ri: Regressione usando residui absoulteAscolta Mark. Ho altri commenti:
1. Stai regredendo cosa? Precipitazioni estreme vs. Tempo? O ci sono altre variabili mancanti nella tua spiegazione?
2. I residui (previsti effettivi) rappresentano il delta tra il modello di previsione e i risultati effettivi. Se questo aumenta nel tempo, il modello potrebbe presentare un problema di varianza diseguale (cade a mano a mano che aumenta il tempo). Non sei sicuro del perché prenderesti il valore assoluto dei residui (OK, magnitudo), ma perché non ti importa del segno? Assunzione di base NID (0, varianza) dell'analisi quantitativa.
3. La realizzazione del modello di regressione dipende da quale Y si sta adattando, da quali termini sono presenti nel modello e da come sono stati ottenuti i dati.
Ri: Regressione usando residui absoulteCiao Mark,
Grazie mille. Ho aggiunto un file Excel che ti mostrerà come ho analizzato i dati. La tua risposta sarà molto apprezzata
Ri: Regressione usando residui absoulteGrazie mille. Ho allegato un file contenente dati e file di output.
Questo ti spiegherà come appaiono i dati e sono sicuro che sarai in grado di suggerirmi la giusta analisi da eseguire.
Ri: Regressione usando residui absoulte- Stai confrontando il conteggio delle occorrenze di precipitazioni estreme durante due periodi di tempo. Il test di permutazione è un buon modo per considerare la differenza osservata.
- Un test di permutazione o ANOVA dovrebbe rispondere alla tua domanda. Altri test non parametrici sono validi se sei preoccupato per eventuali differenze tra i due periodi.
- La regressione lineare semplice sta verificando se la risposta media dipende dall'anno predittore.
- La tendenza non è significativa perché il apparente l'aumento delle occorrenze nel tempo non è inusuale, supponendo che non vi sia tendenza.
- La regressione degli addominali (residui) rispetto ai conteggi originali è un'analisi completamente diversa. Non è possibile confrontare le due regressioni.
- La seconda regressione indica che la tua risposta potrebbe essere omoscedastica. Non c'è una tendenza media, c'è una tendenza alla variazione.
- Sì, il test di permutazione è appropriato per un semplice confronto tra i due periodi.
- L'affermazione basata sul test di permutazione unilaterale (i conteggi sono maggiori nel secondo periodo) è semplicemente che si stima che il 15% dei campioni presentasse una differenza almeno pari alla differenza osservata.
- Da dove viene la definizione operativa per il conteggio? Ciò accade per più di 40 mm di pioggia in 4 giorni consecutivi.
Ho eseguito il mio test di permutazione con i dati che hai fornito. Ottengo costantemente un risultato diverso. Eccone uno:
Quindi il mio valore p unilaterale sarebbe 1185/2501 = 0.4738. Cioè, si stima che il 47% dei campioni produca una differenza almeno grande quanto la differenza osservata ipotizzando che l'ipotesi nulla sia nulla (base per permutazioni).
Ri: Regressione usando residui absoulteInoltre, il presupposto della regressione lineare è che la risposta è illimitata e può variare tra l'infinito negativo e l'infinito positivo. I conteggi sono limitati da zero. La regressione che ha eseguito non è il modello migliore.
Ri: Regressione usando residui absoultePerché non allegare il file JMP?Ri: Regressione usando residui absoulteCiao Mark,
Grazie mille per il vostro gentile supporto e consulenza. Le informazioni che hai fornito sono molto utili. Ho fatto un paio di analisi e sto cercando qualche consiglio aggiuntivo. Si prega di vedere il file allegato. Gradirei la tua consulenza. Saluti
Ri: Regressione usando residui absoulteStatman,
Ho allegato il file JMP. Nel mio precedente allegato, ho aggiunto un file con alcune analisi e domande in risposta ai consigli di Mark.
Grazie
Ri: Regressione usando residui absoulteL'analisi residua indica che il registro Y è più adatto alla regressione perché la varianza è ora costante. Conosci la trasformazione integrata di Box-Cox? Questa procedura automatizzata è una generalizzazione delle trasformazioni di potenza ad hoc. Lo spettro dei valori dei parametri include il registro. Un parametro di trasformazione Box-Cox uguale a zero è uguale al registro. Ora, quando dico lo stesso, questa trasformazione non produce lo stesso valore del registro o della potenza, ma possono essere interpretati come tali. Quindi un valore di parametro di 2 viene interpretato come il quadrato di Y e un valore di -1 viene interpretato come reciproco.
Attenzione: la tua formulazione (pensare) è un po 'pericolosa. Non direi che non ci sono "prove" quando il valore p non è al di sotto di una soglia soggettivamente scelta (ɑ). Direi che non ci sono prove sufficienti che rifiuterei l'ipotesi nulla nel test.
Comunque, felice di essere in grado di progredire con la tua analisi.
Ri: Regressione usando residui absoulteCiao Mark,
Grazie mille per il tuo supporto.
Ho appena provato la trasformazione di Box Cox e ho ricevuto un errore "Impossibile eseguire Box-Cox a causa del valore Y negativo o zero 0".
Potete per favore avvisare. Inoltre, volevo assicurarmi di applicare la trasformazione Box Cox sui dati di frequenza originali e non sui residui.Ri: Regressione usando residui absoulteSì, intendevo trasformare la risposta originale. Ho dimenticato che hai un conteggio = 0, quindi questo approccio non funzionerà. Era solo un'idea alternativa.
Ri: Regressione usando residui absoulteCiao Mark,
Ho eseguito di nuovo il test di permutazione alcune volte. Per favore guarda l'allegato. I miei risultati sono completamente diversi dai tuoi, significa che sto facendo un errore. Corro permutazione mentre penso che tu abbia fatto bootstarap. Si prega di avvisare.
Prima di contattarti un Professore di matematica mi ha suggerito di usare la permutazione rispetto al bootstrap. Quindi ho usato permutazione. Inoltre, non ho accesso a Bootstarap.
Inoltre, come hai ottenuto un valore di 1185/2501 = 0,4738.
Saluti
Ri: Regressione usando residui absoulteIl mio risultato di 1185/2501 = 0,4738 proviene da 1185 campioni su 2501 campioni con bootstrap totale esposti una differenza maggiore della differenza osservata.
JMP non esegue il test di permutazione per quanto ne so. Come hai eseguito questo test con JMP?
Ri: Regressione usando residui absoulteIn primo luogo, mi scuso. Ho usato male il bootstrap in un post precedente. Ignora il p -valore che ho dichiarato in precedenza.
Il bootstrap sulla differenza stimata produce intervalli di confidenza bilaterali. Ecco il rapporto:
Il bootstrap è stato fatto dalla differenza riportata nel file t -test che non assume la stessa varianza, ma solo che i mezzi di campionamento sono normalmente distribuiti. Questi dati sono conteggiati e distorti, ma forse il CLT fornisce una somma approssimativamente normale. Ecco quel rapporto, insieme ai test esatti non parametrici.
Vedo un accordo generale tra gli intervalli di confidenza e il fronte-retro p -valori attraverso questi metodi. Il p i valori vanno da 0,16 a 0,28. I test non parametrici dovrebbero avere più potenza quando viene violata l'ipotesi di distribuzione del test parametrico, ma sembrano suggerire la stessa conclusione in questo caso.
JMP non ha un test di permutazione. Hai utilizzato un componente aggiuntivo fornito nell'area utenti accademici di JMP. Ho scritto il mio. Produce un lato p -valore di 0,07-0,08, che è vicino al p -valore per il test t della coda superiore (0,08).
La trasformazione Box-Cox è intesa per risposte continue strettamente positive. È possibile aggiungere 1 a ogni osservazione e quindi sottrarlo da qualsiasi previsione. Ma questo è il punto dei test di permutazione e dei test non parametrici.
Ri: Regressione usando residui absoulteTest di permutazione per due mezzi o mediane
Ciao Mark, ho usato questo link per eseguire la permutazione. Grazie
Un altro problema per te - dato che alcuni conteggi = 0, quindi, non posso usare Box-Cox, qual è l'alternativa?
Ri: Regressione usando residui absoulteGrazie mille,
Quindi, capisco che un componente aggiuntivo fornito nell'area accademica dell'utente JMP (che ho usato) è simile a quello che hai scritto, giusto?
Nel mio alcuni dei dati sulla frequenza di localizzazione, su 31 punti dati, 18 hanno zeri. Quindi, in questo tipo di dati di frequenza, nessuna trasformazione può rendere i dati normali. Quindi, qualche indizio, quale metodo dovrebbe essere usato? Ho allegato un file JMP. Grazie per il tuo tempo.
Ri: Regressione usando residui absoulteNon ho familiarità con il componente aggiuntivo che si sta utilizzando, ma sono sicuro che sia stato verificato prima che fosse pubblicato. Il caso di confrontare due campioni è così semplice che ho scritto uno script, che ho convalidato.
Perché è necessario trasformare i dati con la funzione di registro? Qual'è il prossimo passo?
Se è necessario applicare il registro, semplicemente con un piccolo numero positivo. Quando la risposta è nell'ordine di 10 ^ 6, allora potrei aggiungere 1. Se la risposta è dell'ordine di 10 o 100, allora potrei aggiungere 0,01 o 0,001. Posso sempre sottrarre il valore di offset se trasformo indietro le previsioni da qualsiasi modello o analisi.
Ri: Regressione usando residui absoulteCiao Mark,
Grazie mille. Nel file allegato ho altre domande per te. Il file JMP è anche allegato.
Saluti
Ri: Regressione usando residui absoultePrima di tutto, perché non inserire direttamente le tue domande invece di inserirle in una cartella di lavoro di Excel che dobbiamo aprire?
In secondo luogo, non esiste una tabella di dati JMP. Potrei farne uno dalle colonne della cartella di lavoro di Excel, ma non sembra che tu stia usando JMP. Questo forum di discussione è destinato agli utenti JMP.
Ecco la mia risposta alle tue domande.
- Uso del test di permutazione. Ho già risposto a questa domanda in precedenza.
- Uso della regressione "assoluta" per dati non normali. Ho già risposto a questa domanda in precedenza.
- Confronta lo spread di due periodi di tempo. Ho già risposto a questa domanda in precedenza.
- Suggerisci un altro metodo. Ho già risposto a questa domanda in precedenza.
Sembra che stiamo "girando in tondo".
Ri: Regressione usando residui absoulteMarchio,
Grazie per la tua risposta. Uso JMP regolarmente. Siamo spiacenti, per errore ho dimenticato di allegare il file JMP. L'ho allegato ora che dimostra che lo uso:)
Il reparto Lavoro con tre licenze / utenti e sono utenti frequenti.
