添付のJMPテーブルは、シミュレーションシナリオを示しています。列「p true」にはバイナリ結果Yをシミュレートするモデルがあり、連続モデリングタイプの「Y cont」列とカテゴリモデリングタイプの「Y cat」列に示されています。後で異なるプラットフォームを使用してそれらを分析するには、異なるモデリングタイプで同じ結果を得ることが必要でした。Yのシミュレーションに使用されるモデルは、ロジット形式の単純な切片と勾配のモデルです：logit（p）= 15 + 60 * X。
「p true」の式はXの関数です。テーブルには、42の任意の数の行があり、Xの-1、0、および1レベルで均等に広がります。つまり、3つのレベルのそれぞれで14行です。
この表に保存されているスクリプトは、Yをモデル化する3つの方法（Gen回帰、非線形回帰、および名目ロジスティック回帰）を参照しています。列「p式」は、非線形モデリングの実行中に列式のニーズを満たすために作成されました。
私の予想は、Yをモデル化するために使用された3つの異なるプラットフォームのレポートに非常に大きな信頼区間（存在する場合）の形で赤信号が表示されることでした。これは、X設計が「p true」モデルで使用されるパラメーターの独自の証拠を提供できないためです。つまり、切片= 15および勾配= 60です。
保存されたスクリプトを実行した結果によると、Yの推定に予想される赤旗は、非線形および名義ロジスティックプラットフォームに当てはまることがわかります。非線形プラットフォームはプロファイル尤度ベースのCIを生成できません。FitNominal Logisticには、警告サイン（不安定）に加えて、非常に大きなCIがあります。問題は、Gen Regressionプラットフォームにあります。完全なモデルのレポートには、膨張したCIが表示されます。ただし、モデル選択を使用した場合、CIの結果は非常に狭くなり、予想どおり大きくバイアスされているポイント推定値に確実性がほとんどありません。
質問：完全なモデルCIと選択されたモデルCIの間でこのあいまいさをどのように解釈すべきですか？選択したモデルフォームが完全なモデルと異なる場合、どうすればこの問題を認識できますか？Gen Regressionは完全に分離するための赤信号を提供できますか？私はこのすべてでJMP15.1 Proを使用しました。
こんにちはファビオ、
ここに、ジャンルゲー開発者からのコメントがあります。
「私が覚えておくべきことは2つあります。
- 投げ縄または特に弾性ネットのペナルティは、分離を回避するのに役立ちます。分離で発生する可能性があることの1つは、パラメーターの推定が不安定になることですが、収縮はそれらを安定させるのに役立ちます。
- 変数の選択は分離に役立ちますが、推論の信頼性を低下させます。塩の粒を使用して（genregまたは他の場所で）変数選択を行った後に生成されたSEと信頼区間を取得することをお勧めします。ポストセレクション推論を行うというアイデアは、現在非常に活発な研究分野であり、私がこれに取り組んでいきたいと思っています。しかし、現在のところ、選択を行った後のテストや間隔のようなものを見ることは、ちょっと不確かです。だから私は彼が見ている信頼区間にあまり多くの株を入れないだろう」と語った。
お役に立てば幸いです。
アダム
