La tabella JMP allegata mostra uno scenario di simulazione. La colonna "p true" ha un modello per simulare i risultati binari Y che sono mostrati nella colonna "Y cont" nel tipo di modellazione continua e nella colonna "Y cat" nel tipo di modellazione categoriale. Avere lo stesso risultato in diversi tipi di modellazione era necessario per analizzarli successivamente utilizzando piattaforme diverse. Il modello utilizzato per simulare Y è una semplice intercetta più il modello di pendenza in forma logit: logit (p) = 15 + 60 * X.
La formula "p true" è una funzione di X. La tabella ha 42 - numero arbitrario - righe ugualmente distribuite su -1, 0 e 1 livelli di X - cioè 14 righe su ciascuno dei 3 livelli.
Gli script salvati in questa tabella fanno riferimento a 3 modi per modellare Y: la regressione genetica, la regressione non lineare e la regressione logistica nominale. La colonna "formula p" è stata creata per soddisfare la necessità di una formula di colonna durante la modellazione non lineare.
La mia aspettativa era di vedere bandiere rosse nel rapporto delle 3 diverse piattaforme utilizzate per modellare Y sotto forma di intervalli di confidenza molto ampi (se presenti). Questo perché il progetto X non può fornire prove uniche dei parametri utilizzati nel modello “p true” - ovvero intercetta = 15 e pendenza = 60.
Secondo i risultati dell'esecuzione degli script salvati, vedo che le bandiere rosse attese per la stima di Y sono ovvie per le piattaforme di logistica nominale non lineare e adatta. La piattaforma non lineare non è in grado di generare elementi della configurazione basati sulla verosimiglianza del profilo e la logistica nominale adatta ha - oltre a un segnale di avvertimento (instabile) - elementi della configurazione molto grandi. Il problema è nella piattaforma di regressione gen. Il report per il modello completo mostra elementi della configurazione gonfiati. Tuttavia, se utilizzo la selezione del modello, gli EC risultano estremamente ristretti, il che implica quasi certezza sulle stime puntuali che sono in gran parte distorte come previsto.
Domanda: come dovremmo interpretare questa ambiguità tra CI modello completo e CI modello selezionato? E se la forma del modello selezionata fosse diversa rispetto al modello completo, come potremmo percepire questo problema? La regressione genetica può fornire bandiere rosse per la completa separazione? Ho usato JMP15.1 Pro in tutto questo.
Ciao Fabio,
Ecco alcuni commenti dello sviluppatore Genreg:
"Penso che ci siano due cose da tenere a mente.
- La penalità nel lazo o in particolare nella rete elastica può aiutare a evitare la separazione. Una delle cose che può succedere con la separazione è che le stime dei parametri diventano instabili, ma il restringimento aiuterà a stabilizzarle.
- La selezione delle variabili aiuta con la separazione, ma rende anche l'inferenza meno affidabile. Suggerisco spesso di prendere le SE e gli intervalli di confidenza prodotti dopo aver fatto la selezione variabile (in genreg o altrove) con un granello di sale. L'idea di fare l'inferenza post-selezione è attualmente un'area di ricerca molto attiva ed è qualcosa che vorrei affrontare in futuro. Ma in questo momento, guardare cose come i test e gli intervalli dopo aver fatto la selezione è un po 'incerto. Quindi non metterei troppa scorta negli intervalli di confidenza che sta osservando ".
Spero che aiuti.
Adamo
