Question sur la régression logistique nominale concernant la formule de probabilité de sauvegardeJe tente de développer un modèle pour prédire la survie ou la mort d'un arbre sur une période de 25 ans, en fonction de certains attributs environnementaux qui lui sont propres. J'ai exécuté un modèle de régression logistique nominale, qui a montré que la probabilité (χ²) pour chaque attribut était inférieure à 0,0001, ce qui semblerait indiquer que les attributs environnementaux pourraient être de bons prédicteurs. Souhaitant évaluer la précision de ces prédictions, j'ai sélectionné l'option « Enregistrer la formule de probabilité ». Cela a ajouté plusieurs colonnes au tableau, dont une dernière fournissant une prédiction (la plus probable) : arbre vivant ou mort. Les prédictions étaient catastrophiques. Le modèle prévoyait que 140 arbres seraient encore en vie après 25 ans, alors qu'en réalité, il y en avait environ 1 000. De plus, parmi les 140 arbres prédits comme vivants, beaucoup étaient en fait morts. Ma question est donc : pourquoi les prédictions étaient-elles si éloignées des données réelles ?
Études de marché et de consommationOrganisation du contenuExploration et visualisation des donnéesPartage et communication des résultatsObjet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementOui, je le savais, mais ce n'est pas la représentation typique par étapes des courbes de survie.En outre, cette option fournit le temps de survie moyen pour chaque catégorie.Merci pour toute votre attention et vos conseils !
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementEn fait, vous POUVEZ tracer plus d'un groupe avec Life Distribution.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementDésolé, Dale.La colonne Count était le nombre d'arbres qui sont morts pendant cette période.La raison pour laquelle Count ne correspond pas à près de 10 000 est qu'il s'agissait de données provenant d'une seule des trois unités de gravure.J'ai découvert comment obtenir les courbes de survie pour les 7 groupes sur un seul graphique.Après avoir sélectionné Fiabilité et Survie, sélectionnez Survie (au lieu de Distribution de vie).Cela placera les courbes de survie des 7 groupes sur un seul graphique.L'optin Survival s'attend à ce que la colonne de données (Count dans ce cas) indique le nombre d'unités qui sont mortes ou ont échoué au cours de chaque période.Très chouette.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementLe tableau de données que vous avez joint ne contient aucune donnée sur le nombre d'arbres vivants et morts à chaque période (je ne suis pas sûr de ce que "Count" représente, mais il ne tient pas compte de 10 000 arbres).Donc, je ne peux pas essayer d'obtenir ce visuel à partir de vos données.Mais si vous avez un graphique de survie pour chaque groupe séparément et que vous les voulez sur le même graphique, vous pouvez utiliser "copier le graphique" pour copier et coller un graphique dans l'autre et ils doivent être superposés.Il existe peut-être un moyen de faire en sorte que l'analyse de survie le fasse automatiquement, mais je ne peux pas dire à quoi ressemblent vos données à partir du tableau que vous avez joint.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementOk, je pense avoir compris comment saisir des données avec une colonne de fréquence qui me permet d'exécuter l'analyse de survie.Après avoir sélectionné l'option "comparer les groupes", les résultats affichent la courbe de mortalité ainsi que les temps de survie moyens pour les deux groupes, ce dernier étant ce que je cherchais.Lorsque je sélectionne l'option "répartition de la vie", les résultats affichent les courbes de survie individuelles pour chaque groupe dans des graphiques séparés.Existe-t-il un moyen d'obtenir les courbes de survie des deux groupes sur un seul graphique ? (Je sais que je peux facilement afficher les deux courbes de survie sur un seul graphique en copiant les données dans Excel, mais il semble que je devrais également pouvoir le faire sur JMP.) Des suggestions ?Pour votre information, j'ai inclus le tableau de données.Existe-t-il un moyen d'obtenir les résultats pour afficher les courbes de survie sur un seul graphique ?Merci pour les suggestions.--Mark
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementComment pourrais-je établir un tableau pour calculer les temps de survie moyens ou médians pour sept groupes d'arbres sur une période de 25 ans.Près de 10 000 arbres sont concernés et je ne veux pas entrer le temps de la mort pour chaque arbre.Ce que j'ai pour chaque groupe, c'est le nombre d'arbres encore vivants pour chacune des 25 périodes ainsi que le nombre d'arbres morts à chaque période.Tous les groupes ont des arbres encore vivants après 25 ans (certains peu, d'autres beaucoup), je devrai donc également intégrer la censure dans le tableau.Est-il possible de créer un tableau d'analyse de survie en utilisant les données ci-dessus ?J'espère que oui, car la perspective de devoir entrer le temps de survie de chacun des 10 000 arbres est assez faible.Merci beaucoup pour les commentaires et suggestions précédents.Ils ont été très utiles!--Mark
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementDan, merci de m'avoir répondu. Tout d'abord, merci beaucoup pour les suggestions de ROC et de matrice de confusion (nom impair). Ils ont été très utiles. Mon meilleur modèle a produit un ROC de 0,798, ce qui était plutôt correct. Bien sûr, il s'agissait de prédire le nombre total d'arbres vivants et morts 25 ans plus tard, et non les prévisions mortes ou vivantes pour les arbres individuels, qui, comme décrit ci-dessous, s'élevaient à environ 63 %. Les arbres de 2020 étaient environ 1/3 vivants et 2/3 morts au cours de la période de 25 ans. Bien qu'il ne soit pas équilibré à 50/50, il n'est toujours pas trop asymétrique. J'ai pris la suggestion de Dale et j'ai joué autour de l'ajustement du seuil de prédiction (fixé à 0,5) utilisé pour classer/prédire les arbres individuels comme vivants ou morts. En ajustant le seuil à 0,5 + 0,284, j'ai pu obtenir les pourcentages de prédiction corrects pour les arbres vivants et morts équilibrés à 63 %, bien que le nombre de prédictions correctes ait en fait légèrement diminué (4 %) par rapport aux prédictions originales fortement biaisées vers les morts résultant d'un seuil de prédiction de 0,5. Vous pourriez penser que le taux de mortalité des arbres de 67 % sur 25 ans était vraiment élevé. Ce serait dans des conditions normales. Le taux de mortalité élevé était dû au fait que la zone où je suivais les quelque 10 000 arbres a été brûlée 8 fois au cours de la période de 25 ans. --Marquer
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementDale a peut-être raison. Mais en supposant que les seuils ne jouent pas beaucoup de rôle, votre modèle est biaisé pour prédire Dead. Cela semble indiquer qu'il manque probablement quelque chose dans votre modèle qui indique un arbre vivant. Je ne peux pas vous dire ce que c'est. Je ne suis pas non plus complètement convaincu que ma déclaration est correcte. C'est là que regarder les données et avoir une connaissance du terrain est nécessaire.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementLes commentaires de Dan sont pertinents, mais une chose que vous devriez vérifier est que les prédictions (vivantes ou mortes) sont basées sur un seuil de 50 % pour classer les arbres.Si l'AUC (à partir de la courbe ROC) est élevée (plus proche de 1 que de 0,5), alors il est probable que l'utilisation d'une valeur de seuil différente pour classer les arbres se traduira par de meilleures prédictions.Cela est particulièrement vrai si les données sont très déséquilibrées (c'est-à-dire s'il y a très peu d'arbres morts, il est probable que la plupart des probabilités estimées à partir de la régression logistique seront assez faibles, ce qui entraînera la prédiction par défaut de "non mort" ).Il existe un complément intéressant que vous pouvez utiliser (il suffit de le rechercher) qui produira des matrices de confusion pour des probabilités de classification alternatives.
Une autre chose m'a frappé dans votre description.On dirait que ce sont des données censurées - après 25 ans, les arbres qui sont vivants ne sont probablement pas tous de la même santé.Si les conditions environnementales contribuent à la mort des arbres, alors les arbres survivants sont probablement également affectés, mais pas encore morts.Si vous avez une mesure de l'heure à laquelle les arbres sont morts, vous pouvez essayer une analyse de survie, où la variable dépendante est l'heure de la mort et les données censurées peuvent être utilisées dans l'analyse.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementDan, j'ai exécuté la matrice de confusion et cela a montré que le modèle prédisait décemment les arbres morts, prédisant correctement les 3/4 d'entre eux comme morts.Mais c'était terrible de prédire les arbres vivants, en prédisant 63% d'entre eux comme morts.La répartition des arbres vivants et morts est d'environ 45 %, 55 %, donc assez bien équilibrée.Pourquoi le modèle ferait-il un travail décent en prédisant les arbres morts mais pas les arbres vivants ?--Mark
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementJe suis un peu confus... Où avez-vous obtenu les données pour créer le modèle ? La raison pour laquelle la plupart des modèles ne prédisent pas bien est que les données utilisées pour créer le modèle N'étaient PAS REPRÉSENTATIVES des conditions futures. C'est pourquoi la planification de la collecte de données est bien plus importante que l'analyse des données. Même si je dirai que c'est une situation difficile. Beaucoup de choses peuvent changer en 25 ans qui auraient pu ou non être anticipées.
Objet : Question de régression logistique nominale concernant la formule de probabilité d'enregistrementVous pouvez avoir un modèle statistiquement significatif qui fait un mauvais travail de prédiction. La signification statistique vous indique que ces termes significatifs AIDENT à expliquer la réponse, mais ne garantissent pas un bon ajustement.
Par exemple, avec une réponse continue, regardez cette image :
Le modèle est statistiquement significatif, mais il est clair qu'il ne prédirait pas bien.
Déterminer pourquoi le modèle ne s'adapte pas bien peut être difficile avec une régression logistique nominale. Quelques éléments qui peuvent vous aider à déterminer la capacité prédictive plutôt que de "regarder" la table.
* Vous pouvez demander la courbe ROC. L'aire sous la courbe (AUC) est une indication de la capacité prédictive. Une AUC de 0,5 est la "ligne de base". C'est comme utiliser une pièce de monnaie pour déterminer si l'arbre vivra ou non. Tout ce qui dépasse 0,5 commence à fournir des preuves de capacité prédictive. L'AUC au-dessus de 0,7 commence à atteindre une capacité prédictive décente. Au-dessus de 0,9, c'est fantastique.
* Vous pouvez également demander la matrice de confusion. Il s'agit d'un tableau des résultats observés par rapport aux résultats prédits. Ce tableau est essentiellement ce que vous envisagez en enregistrant la formule de prédiction. Cela peut vous aider à déterminer où votre modèle commence à avoir des problèmes. A-t-il du mal à classer les arbres morts ? Ou a-t-il des problèmes uniquement avec des arbres vivants ? Ou les deux?
N'oubliez pas d'évaluer les données sur lesquelles le modèle a été construit. Dans quelle mesure les données sont-elles "équilibrées" entre les arbres vivants et morts ? Par exemple, s'il n'y a que 1 % des arbres morts, un bon modèle prédictif serait de dire que tous les arbres sont vivants. 99 % de précision ! Pas très utile cependant. Pour cette raison, avoir une réponse assez proche de l'équilibre peut être utile.
Le modèle ne contenait-il que des effets principaux ? Les interactions seraient-elles utiles ? Qu'en est-il des termes quadratiques ? Les données sont-elles suffisamment "riches" pour prendre en charge un modèle avec ces termes d'ordre supérieur (c'est une excellente question si ces termes d'ordre supérieur sont également déjà dans le modèle !).
Vous pouvez également essayer une autre technique de modelage. Peut-être qu'un modèle de partition ou d'arbre serait une bonne chose à essayer. Il existe également d'autres outils.
Je suis sûr que d'autres peuvent ajouter d'autres choses pour vous aider, mais c'est là que votre plaisir commence VRAIMENT ! Bonne chance!
