Le tableau JMP ci-joint montre un scénario de simulation. La colonne «p true» a un modèle pour simuler les résultats binaires Y qui sont affichés dans la colonne «Y cont» en type de modélisation continue et dans la colonne «Y cat» en type de modélisation catégorique. Avoir le même résultat dans différents types de modélisation était nécessaire pour les analyser ultérieurement en utilisant différentes plates-formes. Le modèle utilisé pour simuler Y est un modèle simple d'interception plus de pente sous forme logit: logit (p) = 15 + 60 * X.
La formule «p vrai» est une fonction de X. Le tableau comporte 42 - nombre arbitraire - lignes réparties également à -1, 0 et 1 niveaux de X - soit 14 lignes à chacun des 3 niveaux.
Les scripts enregistrés dans ce tableau se réfèrent à 3 façons de modéliser Y - à savoir la régression Gen, la régression non linéaire et la régression logistique nominale. La colonne «formule p» a été créée pour répondre au besoin d'une formule de colonne lors de la modélisation non linéaire.
Je m'attendais à voir des drapeaux rouges dans le rapport des 3 plates-formes différentes utilisées pour modéliser Y sous la forme de très grands intervalles de confiance (le cas échéant). Cela est dû au fait que le plan X ne peut fournir une preuve unique des paramètres utilisés dans le modèle «p vrai» - c'est-à-dire interception = 15 et pente = 60.
D'après les résultats de l'exécution des scripts enregistrés, je constate que les drapeaux rouges attendus pour l'estimation de Y sont évidents pour les plates-formes logistiques non linéaires et ajustées. La plate-forme non linéaire ne peut pas générer de CI basés sur la vraisemblance du profil et la Fit Nominal Logistic a - en plus d'un signe d'avertissement (instable) - de très grands CI. Le problème est dans la plate-forme Gen Regression. Le rapport pour le modèle complet montre des IC gonflés. Cependant, si j'utilise la sélection de modèle, les IC résultent extrêmement étroits, ce qui implique presque une certitude sur les estimations ponctuelles qui sont largement biaisées comme prévu.
Question: comment interpréter cette ambiguïté entre les modèles complets CI et les modèles sélectionnés? Et si le formulaire du modèle sélectionné était différent du modèle complet, comment percevrions-nous ce problème? La régression Gen peut-elle fournir des drapeaux rouges pour une séparation complète? J'ai utilisé JMP15.1 Pro dans tout cela.
Salut Fabio,
Voici quelques commentaires du développeur Genreg:
"Il y a deux choses à garder à l'esprit, je pense.
- La pénalité dans le lasso ou surtout le filet élastique peut aider à éviter la séparation. L'une des choses qui peuvent se produire avec la séparation est que les estimations des paramètres deviennent instables, mais le retrait aidera à les stabiliser.
- La sélection variable aide à la séparation, mais elle rend également l'inférence moins fiable. Je suggère souvent de prendre les SE et les intervalles de confiance produits après avoir fait une sélection variable (dans genreg ou ailleurs) avec un grain de sel. L'idée de faire l'inférence post-sélection est actuellement un domaine de recherche très actif et c'est quelque chose que j'aimerais aborder à l'avenir. Mais en ce moment, regarder des choses comme les tests et les intervalles après avoir fait la sélection est un peu difficile. Je ne mettrais donc pas trop de stock dans les intervalles de confiance qu'il regarde. "
J'espère que cela pourra aider.
Adam
