Regresión usando residuos absolutosTengo datos anuales de extremos de precipitación (datos en frecuencia, 0 a 15) de 1989 a 2019. Mi hipótesis es que los extremos climáticos (precipitación) aumentaron en los últimos 16 años (2004 a 2019) que los 15 años anteriores (1980 a 2003).
He realizado una regresión con estos datos y mis resultados muestran que la línea de regresión es descendente. Luego realicé la regresión usando los residuos absolutos y esta vez los resultados muestran que la línea de regresión de los residuos absolutos es ascendente.
¿Lo estoy haciendo bien?
¿Por qué dos tipos de resultados?
¿Cuál es la correcta?
Re: Regresión usando residuos absolutosNo estoy seguro de que la regresión lineal sea el método correcto para comparar dos períodos de tiempo. La regresión requiere igualar un valor X e Y, como Precipitación versus Año para una tendencia. ¿Cuál es su respuesta y cuál es su regresor?
¿Cómo realizó ambas regresiones en JMP? Conocer los métodos que utilizó nos ayudará a ayudarlo con una respuesta correcta.
Si está utilizando conteos como respuesta, entonces una regresión loglineal de Poisson podría ser más satisfactoria. Pero todavía no veo cómo comparaste los dos períodos. ¿Simplemente comparando las estimaciones de los parámetros? Si es así, existen métodos más completos para tal caso. Suponiendo que la tendencia es lineal a lo largo del tiempo, entonces podría tener un predictor lineal como Precipitación = constante + beta (1) * Año + beta (Período) + beta (2) * Período * Año. De esta manera, puede probar si hay una diferencia promedio entre los dos períodos y si la tendencia es diferente entre los dos períodos.
Re: Regresión usando residuos absolutosEscucha a Mark. Tengo algunos otros comentarios:
1) ¿Estás regresando qué? Precipitación extrema vs. ¿Hora? ¿O faltan otras variables en su explicación?
2) Los residuos (real-predicho) es el delta entre el modelo de predicción y los resultados reales. Si esto aumenta con el tiempo, entonces el modelo puede tener un problema de variación desigual (se desmorona a medida que aumenta el tiempo). No estoy seguro de por qué tomaría el valor absoluto de los residuos (OK, magnitud), pero ¿por qué no le importaría el signo? NID (0, varianza) suposición básica de análisis cuantitativo.
3) Date cuenta de que el modelo de regresión depende de qué Y estás ajustando, qué términos están en el modelo y cómo obtuviste tus datos.
Re: Regresión usando residuos absolutosHola, Mark,
Muchas gracias. He agregado un archivo de Excel que le mostrará cómo he analizado los datos. Su respuesta será muy apreciada.
Re: Regresión usando residuos absolutosMuchas gracias. He adjuntado un archivo que contiene datos y archivos de salida.
Esto le explicará cómo se ven los datos y estoy seguro de que podrá sugerirme el análisis correcto para realizar.
Re: Regresión usando residuos absolutos- Usted está comparando recuentos de ocurrencias de precipitación extrema durante dos períodos de tiempo. La prueba de permutación es una buena forma de considerar la diferencia observada.
- Una prueba de permutación o ANOVA debe responder a su pregunta. Otras pruebas no paramétricas son válidas si le preocupa cualquier diferencia entre los dos períodos.
- La regresión lineal simple prueba si la respuesta media depende del predictor Año.
- La tendencia no es significativa porque el aparente El aumento de las ocurrencias a lo largo del tiempo no es inusual mientras se supone que no hay tendencia.
- La regresión de los abdominales (residuos) versus los recuentos originales es un análisis completamente diferente. No puedes comparar las dos regresiones.
- La segunda regresión indica que su respuesta podría ser homoscedastic. No hay una tendencia media, hay una tendencia de variación.
- Sí, la prueba de permutación es apropiada para una comparación simple de los dos períodos.
- La afirmación basada en la prueba de permutación unilateral (los recuentos son mayores en el segundo período) es simplemente que se estima que el 15% de las muestras tenían una diferencia al menos tan grande como la diferencia observada.
- ¿De dónde viene la definición operativa para contar? Es la ocurrencia de más de 40 mm de lluvia en 4 días consecutivos.
Realicé mi propia prueba de permutación con los datos que nos proporcionó. Constantemente obtengo un resultado diferente. Aqui esta uno de ellos:
Entonces mi valor p unilateral sería 1185/2501 = 0.4738. Es decir, se estima que el 47% de las muestras producen una diferencia al menos tan grande como la diferencia observada suponiendo que la hipótesis nula no es una diferencia (base para las permutaciones).
Re: Regresión usando residuos absolutosAdemás, el supuesto de regresión lineal es que la respuesta no tiene límites y puede variar entre infinito negativo e infinito positivo. Los recuentos están delimitados por cero. La regresión que realizó no es el mejor modelo.
Re: Regresión usando residuos absolutos¿Por qué no adjuntas el archivo JMP?Re: Regresión usando residuos absolutosHola, Mark,
Muchas gracias por su amable apoyo y asesoramiento. La información que proporcionó es muy útil. He hecho un par de análisis y estoy buscando algunos consejos adicionales. Contento ver el archivo adjunto. Agradecería tu advsie. Saludos
Re: Regresión usando residuos absolutosStatman
He adjuntado el archivo JMP. En mi archivo adjunto anterior, he agregado un archivo con algunos análisis y preguntas en respuesta al consejo de Mark.
Gracias
Re: Regresión usando residuos absolutosSu análisis residual indica que el log Y se adapta mejor a la regresión porque la varianza ahora es constante. ¿Conoces la transformación incorporada de Box-Cox? Este procedimiento automatizado es una generalización de las transformaciones de potencia ad hoc. El espectro de valores de parámetros incluye el registro. Un parámetro de transformación Box-Cox igual a cero es el mismo que el registro. Ahora, cuando digo lo mismo, esta transformación no produce el mismo valor que el registro o la potencia, pero pueden interpretarse como tales. Por lo tanto, un valor de parámetro de 2 se interpreta como el cuadrado de Y y un valor de -1 se interpreta como el recíproco.
Precaución: su redacción (pensamiento) es un poco peligrosa. No diría que "no hay evidencia" cuando el valor p no está por debajo de un umbral subjetivamente elegido (ɑ). Diría que no hay pruebas suficientes de que rechazaría la hipótesis nula en la prueba.
De todos modos, me alegra que pueda progresar con su análisis.
Re: Regresión usando residuos absolutosHola, Mark,
Muchas gracias por su apoyo.
Acabo de intentar la transformación de Box Cox y recibí el error "No se puede hacer Box-Cox debido a un valor Y negativo o cero 0".
Puede aconsejarme. Además, quería asegurarme de aplicar la transformación de Box Cox en los datos de frecuencia originales y no en los residuales.Re: Regresión usando residuos absolutosSí, quise decir transformar la respuesta original. Olvidé que tienes un recuento = 0, por lo que este enfoque no funcionará. Era solo una idea alternativa.
Re: Regresión usando residuos absolutosHola, Mark,
Realicé la prueba de permutación nuevamente varias veces. Por favor, vea el archivo adjunto. Mis resultados son totalmente diferentes a los suyos, significa que estoy cometiendo un error. Ejecuto permutación mientras creo que hiciste bootstarap. Por favor avise.
Antes de contactarte, un profesor de Matemáticas me sugirió usar permutación que bootstrap. Por eso usé permutationt. Además, no tengo acceso a Bootstarap.
Además, cómo obtuviste el valor de 1185/2501 = 0,4738.
Saludos
Re: Regresión usando residuos absolutosMi resultado de 1185/2501 = 0.4738 es de 1185 muestras del total de 2501 muestras de bootstrap exhibieron una diferencia mayor que la diferencia observada.
JMP no realiza la prueba de permutación hasta donde yo sé. ¿Cómo realizó esta prueba con JMP?
Re: Regresión usando residuos absolutosPrimero, me disculpo. Utilicé mal el bootstrap en una publicación anterior. Ignora el pags -valor que dije anteriormente.
El arranque de la diferencia estimada produce intervalos de confianza de dos lados. Aquí está el informe:
El bootstrap se realizó a partir de la diferencia reportada en el t -test que no asume la misma varianza, sino solo que las medias muestrales se distribuyen normalmente. Estos datos son recuentos y sesgados, pero tal vez el CLT da una suma aproximadamente normal. Aquí está ese informe, junto con las pruebas exactas no paramétricas.
Veo un acuerdo general entre los intervalos de confianza y los dos lados. pags -valores a través de estos métodos. los pags Los valores oscilan entre 0,16 y 0,28. Las pruebas no paramétricas deberían tener más potencia cuando se viola el supuesto de distribución de la prueba paramétrica, pero parecen sugerir la misma conclusión en este caso.
JMP no tiene una prueba de permutación. Usó un complemento proporcionado en el área de usuarios académicos de JMP. Yo escribí el mío. Produce un unilateral pags -valor de 0.07-0.08, que está cerca del pags -valor para la prueba t de cola superior (0.08).
La transformación Box-Cox está destinada a respuestas continuas estrictamente positivas. Puede agregar 1 a cada observación y luego restarlo de cualquier predicción. Pero ese es el punto de las pruebas de permutación y las pruebas no paramétricas.
Re: Regresión usando residuos absolutosPrueba de permutación para dos medios o medianas
Hola Mark, utilicé este enlace para realizar la permutación. Gracias
Otra pregunta para usted, ya que algunos de los recuentos = 0, por lo tanto, no puedo usar Box-Cox, ¿cuál es la alternativa?
Re: Regresión usando residuos absolutosMuchas gracias,
Entonces, entiendo que un complemento proporcionado en el área de usuario académico de JMP (que he usado) es similar a lo que ha escrito, ¿verdad?
En algunos de los datos de frecuencia de ubicación, de 31 puntos de datos, 18 tienen ceros. Entonces, en este tipo de datos de frecuencia, ninguna transformación puede normalizar los datos. Entonces, alguna pista, ¿qué método se debe utilizar? He adjuntado un archivo JMP. Gracias por tu tiempo.
Re: Regresión usando residuos absolutosNo estoy familiarizado con el complemento que está utilizando, pero estoy seguro de que fue examinado antes de ser publicado. El caso de comparar dos muestras es tan simple que escribí un script, que validé.
¿Por qué necesita transformar los datos con la función de registro? ¿Cuál es el próximo paso?
Si necesita aplicar el registro, simplemente en un pequeño número positivo. Cuando la respuesta es del orden de 10 ^ 6, entonces podría agregar 1. Si la respuesta es del orden de 10 o 100, entonces podría agregar 0.01 o 0.001. Siempre puedo restar el valor de desplazamiento si vuelvo a transformar las predicciones de cualquier modelo o análisis.
Re: Regresión usando residuos absolutosHola, Mark,
Muchas gracias. En el archivo adjunto tengo algunas preguntas más para ti. El archivo JMP también está adjunto.
Saludos
Re: Regresión usando residuos absolutosEn primer lugar, ¿por qué no ingresar sus preguntas directamente en lugar de ponerlas en un libro de Excel que debemos abrir?
En segundo lugar, no hay una tabla de datos JMP. Podría hacer uno de las columnas del libro de Excel, pero parece que no estás usando JMP. Este foro de discusión es para usuarios de JMP.
Aquí está mi respuesta a sus preguntas.
- Uso de prueba de permutación. Ya respondí esta pregunta anteriormente.
- Uso de regresión 'absoluta' para datos no normales. Ya respondí esta pregunta anteriormente.
- Compare la extensión de dos períodos de tiempo. Ya respondí esta pregunta anteriormente.
- Sugerir otro método. Ya respondí esta pregunta anteriormente.
Parece que estamos 'dando vueltas en círculos'.
Re: Regresión usando residuos absolutosMarca,
Gracias por su respuesta. Yo uso JMP de forma regular. Lo siento, mi error es que olvidé adjuntar un archivo JMP. Lo he adjuntado ahora que muestra que sí lo uso:)
El departamento Trabajo con tres licencias / usuarios y son usuarios frecuentes.
