Re: Analyse de corrélation des données de proportions non normalesPourriez-vous joindre l'ensemble de données JMP au lieu d'une image? Vous souhaitez rechercher les relations entre les dégâts et 2 types d'insectes? Comment mesurez-vous les dommages? Y a-t-il une gradation des dommages (ou juste endommagés ou non)? Pouvez-vous différencier les dommages causés par une mouche des fruits d'une fourmi?
Re: Analyse de corrélation des données de proportions non normalesOui bien sûr, désolé d'être si peu clair. J'ai une mesure de la proportion de fruits endommagés par les mouches des fruits - cette mesure est calculée comme le nombre de fruits endommagés divisé par le nombre total de fruits dans un mètre carré. C'est la mesure que j'utilise comme variable de réponse. Je veux tester la corrélation entre cette mesure et 5 autres variables, dont seulement deux sont numériques. Les deux variables explicatives numériques sont le nombre de mouches des fruits capturées dans des pièges et la proportion de fourmis sur les arbres. Les dégâts sur les fruits ne sont causés que par les mouches des fruits, les fourmis sont censées réduire le nombre de dommages, et je veux savoir si cela résiste ou non. Les trois variables explicatives catégoriques sont "pays", "variété de mangue" et "traitement". Le pays se rapporte au pays d'où proviennent les données et au traitement auquel le type de traitement a été appliqué dans les vergers pour réduire le nombre de mouches des fruits. Ainsi, les hypothèses sont les suivantes: les fourmis réduisent la proportion des dommages mesurés sur les fruits et la combinaison de fortes proportions de fourmis avec d'autres traitements augmente cet effet.
Je ne peux pas partager les données, car je n'en ai pas le droit. J'espère que cela clarifie un peu les choses.
Re: Analyse de corrélation des données de proportions non normalesOui, ça aide un peu. Je suggère toujours que votre variable de réponse pourrait être améliorée, mais je m'éloigne du sujet. Cela dépend beaucoup des proportions dont nous parlons. Si les proportions sont très petites, il sera difficile de détecter des changements sans des échantillons de grande taille (et les problèmes de distribution pourraient avoir un impact). Si les proportions sont importantes, les problèmes de distribution auront moins d'impact.
Je commencerais par un modèle en forme. Entrez votre proportion endommagée dans le Y et vos 5 variables d'entrée dans le modèle.
BTW, vous pouvez toujours envoyer un ensemble de données similaire mais faux afin que nous puissions vous montrer des options pour naviguer dans l'analyse.
Re: Analyse de corrélation des données de proportions non normalesSi vous savez lequel des deux résultats s'est produit dans chaque cas, vous pouvez également utiliser la régression logistique ou un modèle linéaire généralisé binaire. je suis d'accord avec @statman suggestions de. J'ajoute simplement une approche alternative à l'analyse.
Re: Analyse de corrélation des données de proportions non normalesMerci, je vais essayer ça!
J'ai environ 13 000 points de données pour chaque variable, donc la taille de l'échantillon est assez grande, mais les variables sont gonflées à zéro. Donc, au niveau du modèle, je pourrais tenter ma chance avec une distribution bêta-binomiale gonflée à zéro, mais je ne l'ai jamais essayée auparavant, alors je vous souhaite bonne chance!
Re: Analyse de corrélation des données de proportions non normalesJe vous remercie! On m'a recommandé d'essayer un modèle bêta-binomial ou bêta-binomial gonflé à zéro, en raison de l'inflation nulle de mes données, mais je n'en ai jamais fait auparavant, donc si cela échoue, j'essaierai un GLM binaire "normal", que je connais beaucoup mieux.Analyse de corrélation des données de proportions non normalesSalut la communauté JMP,
J'analyse un ensemble de données et j'aimerais analyser la corrélation entre la proportion de dégâts mesurés sur les fruits et la proportion de fourmis et le nombre de mouches des fruits. Les données ne sont pas normalement distribuées (voir l'histogramme), et je prévois de faire un GLM avec une distribution binomiale. J'ai appris que l'analyse de corrélation des données de proportion est un peu délicate, et je cherche donc de l'aide pour savoir comment le faire de la meilleure façon.
