La tabla JMP adjunta muestra un escenario de simulación. La columna "p verdadero" tiene un modelo para simular resultados binarios Y que se muestran en la columna "Y cont" en el tipo de modelado continuo y en la columna "Y cat" en el tipo de modelado categórico. Tener el mismo resultado en diferentes tipos de modelado fue necesario para luego analizarlos usando diferentes plataformas. El modelo utilizado para simular Y es un modelo simple de intersección más pendiente en forma de logit: logit (p) = 15 + 60 * X.
La fórmula "p verdadero" es una función de X. La tabla tiene 42 - número arbitrario - filas igualmente repartidas en -1, 0 y 1 niveles de X, es decir, 14 filas en cada uno de los 3 niveles.
Las secuencias de comandos guardadas en esta tabla se refieren a 3 formas de modelar Y: a saber, Regresión genérica, Regresión no lineal y Regresión logística nominal. La columna "fórmula p" se creó para satisfacer la necesidad de una fórmula de columna mientras se realiza el modelado no lineal.
Mi expectativa era ver banderas rojas en el informe de las 3 plataformas diferentes utilizadas para modelar Y en forma de intervalos de confianza muy grandes (si los hubiera). Esto se debe a que el diseño X no puede proporcionar evidencia única de los parámetros utilizados en el modelo "p verdadero", es decir, intercepción = 15 y pendiente = 60.
De acuerdo con los resultados de la ejecución de los scripts guardados, veo que las señales de alerta esperadas para la estimación de Y son obvias para las plataformas Logística nominal no lineal y en forma. La plataforma no lineal no puede generar CI basados en probabilidad de perfil y la logística de ajuste nominal tiene, además de una señal de advertencia (inestable), CI muy grandes. El problema está en la plataforma de Regresión Gen. El informe para el modelo completo muestra CI inflados. Sin embargo, si uso la selección del modelo, los IC resultan extremadamente estrechos, lo que implica una certeza sobre las estimaciones puntuales, que en gran medida están sesgadas como se esperaba.
Pregunta: ¿cómo debemos interpretar esta ambigüedad entre los IC de modelo completo y los IC de modelo seleccionados? ¿Qué pasaría si el formulario del modelo seleccionado fuera diferente del modelo completo, cómo percibiríamos este problema? ¿Puede la Regresión de Gen proporcionar banderas rojas para una separación completa? Usé JMP15.1 Pro en todo esto.
Hola fabio
Aquí hay algunos comentarios del desarrollador Genreg:
"Creo que hay dos cosas a tener en cuenta.
- La penalización en el lazo o especialmente la red elástica puede ayudar a evitar la separación. Una de las cosas que puede suceder con la separación es que las estimaciones de los parámetros se vuelven inestables, pero la contracción ayudará a estabilizarlas.
- La selección variable ayuda con la separación, pero también hace que la inferencia sea menos confiable. A menudo sugiero tomar los SE y los intervalos de confianza producidos después de hacer una selección variable (en genreg o en otro lugar) con un grano de sal. La idea de hacer inferencia posterior a la selección es actualmente un área de investigación muy activa y es algo que me gustaría abordar en el futuro. Pero en este momento, mirar cosas como pruebas e intervalos después de hacer la selección es algo dudoso. Por lo tanto, no pondría demasiado valor en los intervalos de confianza que está viendo ".
Espero que ayude.
Adán
